转载:点击打开链接
1. PCRE简介
PCRE(Perl Compatible Regular Expressions即:perl语言兼容正则表达式)是一个用C语言编写的正则表达式函数库,由菲利普.海泽(Philip Hazel)编写。PCRE是一个轻量级的函数库,比Boost之中的正则表达式库小得多。PCRE十分易用,同时功能也很强大,性能超过了POSIX正则表达式库和一些经典的正则表达式库[1]。
和Boost正则表达式库的比较显示[2],双方的性能相差无几,PCRE在匹配简单字符串时更快,Boost则在匹配较长字符串时胜出---但两者差距很小,考虑到PCRE的大小和易用性,我们可以认为PCRE更值得考虑。
PCRE被广泛使用在许多开源软件之中,最著名的莫过于Apache HTTP服务器和PHP脚本语言、R脚本语言,此外,正如从其名字所能看到的,PCRE也是perl语言的缺省正则库。
PCRE是用C语言实现的,其C++实现版本是PCRE++。
2. 正则表达式定义
一个正则表达式就是由普通字符(例如字符 a 到 z)以及特殊字符(称为元字符)组成的文字模式。该模式描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板,将某个字符模式与所搜索的字符串进行匹配。
例如下面一些正则表达式:
^(-?\d+)(\.\d+)?$ 匹配浮点数
^[A-Za-z]+$ 匹配由26个英文字母组成的字符串
^[A-Z]+$ 匹配由26个英文字母的大写组成的字符串
^[a-z]+$ 匹配由26个英文字母的小写组成的字符串
^[A-Za-z0-9]+$ 匹配由数字和26个英文字母组成的字符串
^\w+$ 匹配由数字、26个英文字母或者下划线组成的字符串
^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$ 匹配email地址
当然,可能你会问上面这些表达式为什么是这样写。这里就暂时不做多讲,因为本文主要讲的是PCRE库的应用,所以想了解更多的话,可以看我下面的[附录1],里面有全部正则表式用到的元字符说明。或参考网址[3]正则表达式语言元素msdn文档。
3. PCRE正则表达式的定义
用于描述字符排列和匹配模式的一种语法规则。它主要用于字符串的模式分割、匹配、查找及替换操作。正则中重要的几个概念有:元字符、转义、模式单元(重复)、反义、引用和断言。
常用的元字符(Meta-character)
元字符 说明
\A 匹配字符串串首的原子
\Z 匹配字符串串尾的原子
\b 匹配单词的边界/\bis/匹配头为is的字符串/is\b/ 匹配尾为is的字符串 /\bis\b/ 定界
\B 匹配除单词边界之外的任意字符 /\Bis/ 匹配单词“This”中的“is”
\d 匹配一个数字;等价于[0-9]
\D 匹配除数字以外任何一个字符;等价于[^0-9]
\w 匹配一个英文字母、数字或下划线;等价于[0-9a-zA-Z_]
\W 匹配除英文字母、数字和下划线以外任何一个字符;等价于[^0-9a-zA-Z_]
\s 匹配一个空白字符;等价于[\f\t\v]
\S 匹配除空白字符以外任何一个字符;等价于[^\f\t\v]
\f 匹配一个换页符等价于 \x0c 或 \cL
匹配一个换行符;等价于 \x0a 或 \cJ
匹配一个回车符等价于\x0d 或 \cM
\t 匹配一个制表符;等价于 \x09\或\cl
\v 匹配一个垂直制表符;等价于\x0b或\ck
\oNN 匹配一个八进制数字
\xNN 匹配一个十六进制数字
\cC 匹配一个控制字符
模式修正符(Pattern Modifiers)
模式修正符在忽略大小写、匹配多行中使用特别多,掌握了这一个修正符,往往能解决我们遇到的很多问题。
i -可同时匹配大小写字母
M -将字符串视为多行
S -将字符串视为单行,换行符做普通字符看待,使“.”匹配任何字符
X -模式中的空白忽略不计
U -匹配到最近的字符串
e -将替换的字符串作为表达使用
格式:/apple/i匹配“apple”或“Apple”等,忽略大小写。 当然这里还有很多种情况,在这里就不一一描述出来了。
4. PCRE的函数简介
PCRE是一个NFA正则引擎,不然不能提供完全与Perl一致的正则语法功能。但它同时也实现了DFA,只是满足数学意义上的正则。
PCRE提供了19个接口函数。
这里只介绍了几个主要和常用的接口函数,另外的可通过PCRE源码文档进行了解。注意,使用PCRE主要是使用下面介绍的前四个函数,对这四个函数有了了解,使用PCRE库的时候就会简单很多了。
下面所讲的函数,都在PCRE头文件上定义申明:#include 。
1.pcre_compile
函数原型:
pcre *pcre_compile(const char *pattern, int options, const char **errptr, int *erroffset, const unsigned char *tableptr)
功能:将一个正则表达式编译成一个内部表示,在匹配多个字符串时,可以加速匹配。其同pcre_compile2功能一样只是缺少一个参数errorcodeptr。
参数说明:
pattern 正则表达式
options 为0,或者其他参数选项
errptr 出错消息
erroffset 出错位置
tableptr 指向一个字符数组的指针,可以设置为空NULL。
2. pcre_compile2
函数原型:
pcre *pcre_compile2(const char *pattern, int options, int *errorcodeptr, const char **errptr, int *erroffset, const unsigned char *tableptr)
功能:将一个正则表达式编译成一个内部表示,在匹配多个字符串时,可以加速匹配。其同pcre_compile功能一样只是多一个参数errorcodeptr。
参数:
pattern 正则表达式
options 为0,或者其他参数选项
errorcodeptr 存放出错码
errptr 出错消息
erroffset 出错位置
tableptr 指向一个字符数组的指针,可以设置为空NULL。
3. pcre_exec
函数原型:
int pcre_exec(const pcre *code, const pcre_extra *extra, const char *subject, int length, int startoffset, int options, int *ovector, int ovecsize)
功能:使用编译好的模式进行匹配,采用与Perl相似的算法,返回匹配串的偏移位置。
参数:
code 编译好的模式
extra 指向一个pcre_extra结构体,可以为NULL
subject 需要匹配的字符串
length 匹配的字符串长度(Byte)
startoffset 匹配的开始位置
options 选项位
ovector 指向一个结果的整型数组
ovecsize 数组大小。
4. pcre_study
函数原型:
pcre_extra *pcre_study(const pcre *code, int options, const char **errptr)
功能:对编译的模式进行学习,提取可以加速匹配过程的信息。
参数:
code 已编译的模式
options 选项
errptr 出错消息
5. pcre_version
函数原型:
char *pcre_version(void)
功能:返回PCRE的版本信息。
参数:无。
6. pcre_config
函数原型:
int pcre_config(int what, void *where)
功能:查询当前PCRE版本中使用的选项信息。
参数:
what 选项名
where 存储结果的位置
7.pcre_maketables
函数原型:
const unsigned char *pcre_maketables(void)
功能:生成一个字符表,表中每一个元素的值不大于256,可以用它传给pcre_compile()替换掉内建的字符表。
参数:无
5. 使用PCRE在C语言中实现正则表达式的解析
上述讲了这么多PCRE相关函数的介绍,目的还是为了能够运用上,所以这里就先讲解下使用PCRE的过程。主要过程分三步走第一步编译正则表达式;第二匹配正则表达式;第三步释放正则表达式。
1.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pcre_compile() /pcre_compile2() 函数对它时行编译,转化成PCRE引擎能够识别的结构(struct real_pcre)。
这里还可以调用pcre_study()函数,对编译后的正则表达式结构(struct real_pcre)时行分析和学习,学习的结果是一个数据结构(struc pcre_extra),这个数据结构连同编译后的规则(struct real_pcre)可以一起送给pcre_exec单元进行匹配。
2. 匹配正则表达式
一旦用函数pcre_compile() /pcre_compile2()成功地编译了正则表达式,接下来就可以调用pcre_exec()函数完成模式匹配。根据正则表达式到指定的字符串中进行查找和匹配,并输出匹配的结果。
3. 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free()将其释放,以免产生内在泄漏。
6. PCRE函数在C语言中的使用小例子
在使用PCRE库时,首先肯定是需要安装pcre的,不过一般的系统都会有自带的PCRE库。不过如果想使用最新版本的话,也可以自已下载一个安装包。我这里下载的安装是pcre-8.13.tar.gz版本。安装过程很简单,把安装包上传需要安装的服务器上,安装时默认路径即可,我是在linux环境下安装的,执行命令如下:
1.[root@host70-151 pcre-8.13]# ./configure
2.[root@host70-151 pcre-8.13]# make && make install
此两步即可安装完成,安装成功后的头文件在:/usr/local/include, 库文件在:/usr/local/lib 。
下面是我的一个使用PCRE库函数的一个小例子,其功能是匹配手机号码的正则表达式是否成功,分成四类手机号码时行匹配,分别是移动、电信、联通和CDMA的手机号。里面用到了PCRE库函数中的pcre_compile()和pcre_exec():
因为我是在linux下编译C程序的,所以要用到makefile文件。注意:如果你在编译时出现提示:
/usr/zej/zej_test/kernel/pcre_test2.c:29: undefined reference to `pcre_compile'
/usr/zej/zej_test/kernel/pcre_test2.c:35: undefined reference to `pcre_exec'
没有定义pcre.h文件里面的函数时,是因为没有链接到库文件里,这时可以能过修改makefile,在l里面添加一个lpcre即可。然后在编译便可成功。
eg:
#include <stdio.h>
#include <stdlib.h>
#include <sys/mman.h>
#include <fcntl.h>
#include <string.h>
#include <unistd.h>
#include <sys/types.h>
#include <sys/wait.h>
#include <sys/stat.h>
#include <sys/ipc.h>
#include <sys/shm.h>
#include <assert.h>
#include <sys/socket.h>
#include <netinet/in.h>
#include "pcre.h"
#define OVECCOUNT 30 /* should be a multiple of 3 */
#define EBUFLEN 128
#define BUFLEN 1024
int main()
{
pcre *reCM, *reUN, *reTC, *reCDMA;
const char *error;
int erroffset;
int ovector[OVECCOUNT];
int rcCM, rcUN, rcTC, rcCDMA, i;
/*
yidong:134.135.136.137.138.139.150.151.152.157.158.159.187.188,147
liandong:130.131.132.155.156.185.186
dianxin:133.153.180.189
CDMA :133,153
*/
char src[22];
char pattern_CM[] = "^1(3[4-9]|5[012789]|8[78])\\d{8}$";
char pattern_UN[] = "^1(3[0-2]|5[56]|8[56])\\d{8}$";
char pattern_TC[] = "^18[09]\\d{8}$";
char pattern_CDMA[] = "^1[35]3\\d{8}$";
printf("please input your telephone number \n");
scanf("%s", src);
printf("String : %s\n", src);
printf("Pattern_CM: \"%s\"\n", pattern_CM);
printf("Pattern_UN: \"%s\"\n", pattern_UN);
printf("Pattern_TC: \"%s\"\n", pattern_TC);
printf("Pattern_CDMA: \"%s\"\n", pattern_CDMA);
reCM = pcre_compile(pattern_CM, 0, &error, &erroffset, NULL);
reUN = pcre_compile(pattern_UN, 0, &error, &erroffset, NULL);
reTC = pcre_compile(pattern_TC, 0, &error, &erroffset, NULL);
reCDMA = pcre_compile(pattern_CDMA, 0, &error, &erroffset, NULL);
if (reCM==NULL && reUN==NULL && reTC==NULL && reCDMA==NULL) {
printf("PCRE compilation telephone failed at offset %d: %s\n", erroffset, error);
return 1;
}
rcCM = pcre_exec(reCM, NULL, src, strlen(src), 0, 0, ovector, OVECCOUNT);
rcUN = pcre_exec(reUN, NULL, src, strlen(src), 0, 0, ovector, OVECCOUNT);
rcTC = pcre_exec(reTC, NULL, src, strlen(src), 0, 0, ovector, OVECCOUNT);
rcCDMA = pcre_exec(reCDMA, NULL, src, strlen(src), 0, 0, ovector, OVECCOUNT);
if (rcCM<0 && rcUN<0 && rcTC<0 && rcCDMA<0) {
if (rcCM==PCRE_ERROR_NOMATCH && rcUN==PCRE_ERROR_NOMATCH &&
rcTC==PCRE_ERROR_NOMATCH && rcTC==PCRE_ERROR_NOMATCH) {
printf("Sorry, no match ...\n");
}
else {
printf("Matching error %d\n", rcCM);
printf("Matching error %d\n", rcUN);
printf("Matching error %d\n", rcTC);
printf("Matching error %d\n", rcCDMA);
}
free(reCM);
free(reUN);
free(reTC);
free(reCDMA);
return 1;
}
printf("\nOK, has matched ...\n\n");
if (rcCM > 0) {
printf("Pattern_CM: \"%s\"\n", pattern_CM);
printf("String : %s\n", src);
}
if (rcUN > 0) {
printf("Pattern_UN: \"%s\"\n", pattern_UN);
printf("String : %s\n", src);
}
if (rcTC > 0) {
printf("Pattern_TC: \"%s\"\n", pattern_TC);
printf("String : %s\n", src);
}
if (rcCDMA > 0) {
printf("Pattern_CDMA: \"%s\"\n", pattern_CDMA);
printf("String : %s\n", src);
}
free(reCM);
free(reUN);
free(reTC);
free(reCDMA);
return 0;
}
正则表达式语言元素
http://msdn.microsoft.com/zh-cn/library/az24scfc.aspx