C语言中巧用正则表达式

C语言中巧用正则表达式

如果用户熟悉Linux下的sed、awk、grep或vi,那么对正则表达式这一概念肯定不会陌生。由于它可以极大地简化处理字符串时的复杂度,因此现在已经在许多Linux实用工具中得到了应用。千万不要以为正则表达式只是Perl、Python、Bash等脚本语言的专利,作为C语言程序员,用户同样可以在自己的程序中运用正则表达式。

标准的C和C++都不支持正则表达式,但有一些函数库可以辅助C/C++程序员完成这一功能,其中最著名的当数Philip Hazel的Perl-Compatible Regular Expression库,许多Linux发行版本都带有这个函数库。

编译正则表达式

为了提高效率,在将一个字符串与正则表达式进行比较之前,首先要用regcomp()函数对它进行编译,将其转化为regex_t结构:

int regcomp(regex_t *preg, const char *regex,

int cflags);



参数regex是一个字符串,它代表将要被编译的正则表达式;参数preg指向一个声明为regex_t的数据结构,用来保存编译结果;参数cflags决定了正则表达式该如何被处理的细节。

cflags 有如下4个值或者是它们或运算(|)后的值
      REG_EXTENDED 以功能更加强大的扩展规则表达式的方式进行匹配。 
      REG_ICASE 匹配字母时忽略大小写。 
      REG_NOSUB 不用存储匹配后的结果。 
      REG_NEWLINE 识别换行符,这样'$'就可以从行尾开始匹配,'^'就可以从行的开头开始匹配。

如果函数regcomp()执行成功,并且编译结果被正确填充到preg中后,函数将返回0,任何其它的返回结果都代表有某种错误产生。 

匹配正则表达式 

一旦用regcomp()函数成功地编译了正则表达式,接下来就可以调用regexec()函数完成模式匹配: 

int regexec(const regex_t *preg, 

const char *string, size_t nmatch,

regmatch_t pmatch[], int eflags); 

typedef struct { 

regoff_t rm_so; 

regoff_t rm_eo; 

} regmatch_t;

参数preg指向编译后的正则表达式,参数string是将要进行匹配的字符串,而参数nmatch和pmatch则用于把匹配结果返回给调用程序,最后一个参数eflags决定了匹配的细节。 

在调用函数regexec()进行模式匹配的过程中,可能在字符串string中会有多处与给定的正则表达式相匹配,参数pmatch就是用来保存这些匹配位置的,而参数nmatch则告诉函数regexec()最多可以把多少个匹配结果填充到pmatch数组中。当regexec()函数成功返回时,从string+pmatch[0].rm_so到string+pmatch[0].rm_eo是第一个匹配的字符串,而从string+pmatch[1].rm_so到string+pmatch[1].rm_eo,则是第二个匹配的字符串,依此类推。 

释放正则表达式 

无论什么时候,当不再需要已经编译过的正则表达式时,都应该调用函数regfree()将其释放,以免产生内存泄漏。 



函数regfree()不会返回任何结果,它仅接收一个指向regex_t数据类型的指针,这是之前调用regcomp()函数所得到的编译结果。 

如果在程序中针对同一个regex_t结构调用了多次regcomp()函数,POSIX标准并没有规定是否每次都必须调用regfree()函数进行释放,但建议每次调用regcomp()函数对正则表达式进行编译后都调用一次regfree()函数,以尽早释放占用的存储空间。 

报告错误信息 

如果调用函数regcomp()或regexec()得到的是一个非0的返回值,则表明在对正则表达式的处理过程中出现了某种错误,此时可以通过调用函数regerror()得到详细的错误信息。 

void regfree(regex_t *preg);

size_t regerror(int errcode, 

const regex_t *preg, char *errbuf,

size_t errbuf_size);



参数errcode是来自函数regcomp()或regexec()的错误代码,而参数preg则是由函数regcomp()得到的编译结果,其目的是把格式化消息所必须的上下文提供给regerror()函数。在执行函数regerror()时,将按照参数errbuf_size指明的最大字节数,在errbuf缓冲区中填入格式化后的错误信息,同时返回错误信息的长度。 

应用正则表达式 

最后给出一个具体的实例,介绍如何在C语言程序中处理正则表达式。

#include <stdio.h> 

#include <sys/types.h> 

#include <regex.h> 

/* 取子串的函数 */ 

static char* substr(const char*str,

unsigned start, unsigned end) 

unsigned n = end - start; 

static char stbuf[256]; 

strncpy(stbuf, str + start, n); 

stbuf[n] = 0; 

return stbuf; 

/* 主程序 */ 

int main(int argc, char** argv) 

char * pattern; 

int x, z, lno = 0, cflags = 0; 

char ebuf[128], lbuf[256]; 

regex_t *reg; 

regmatch_t pm[10]; 

const size_t nmatch = 10; 

/* 编译正则表达式*/ 

pattern = argv[1]; 

z = regcomp(reg, pattern, cflags); 

if (z != 0){ 

regerror(z, reg, ebuf, sizeof(ebuf)); 

fprintf(stderr, "%s: pattern '%s' \n",

ebuf, pattern); 

return 1; 

/* 逐行处理输入的数据 */ 

while(fgets(lbuf, sizeof(lbuf), stdin))

++lno; 

if ((z = strlen(lbuf)) > 0 && lbuf[z-1]

== '\n') 

lbuf[z - 1] = 0; 

/* 对每一行应用正则表达式进行匹配 */ 

z = regexec(reg, lbuf, nmatch, pm, 0); 

if (z == REG_NOMATCH) continue; 

else if (z != 0) { 

regerror(z, reg, ebuf, sizeof(ebuf)); 

fprintf(stderr, "%s: regcom('%s')\n",ebuf, lbuf); 

return 2; 

/* 输出处理结果 */ 

for (x = 0; x < nmatch && pm[x].rm_so != -1; ++ x)

if (!x) printf("%04d: %s\n", lno, lbuf); 

printf(" $%d='%s'\n", x, substr(lbuf, pm[x].rm_so,

pm[x].rm_eo)); 

/* 释放正则表达式 */ 

regfree(reg); 

return 0; 

}

上述程序负责从命令行获取正则表达式,然后将其运用于从标准输入得到的每行数据,并打印出匹配结果。执行下面的命令可以编译并执行该程序: 

# gcc regexp.c -o regexp 

# ./regexp 'regex[a-z]*' < regexp.c 

0003: #include <regex.h> 

$0='regex' 

0027: regex_t reg; 

$0='regex' 

0054: z = regexec(?, lbuf, nmatch, pm, 0); 

$0='regexec'



小结 

对那些需要进行复杂数据处理的程序来说,正则表达式无疑是一个非常有用的工具。本文重点在于阐述如何在C语言中利用正则表达式来简化字符串处理,以便在数据处理方面能够获得与Perl语言类似的灵活性。

正则表达式

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值