科林Linux_2 正则表达式

一、正则表达式技术（Regex）

经典的数据处理技术，数据匹配与查询，数据格式验证，数据清洗等等，被多种语言作为一个工具内置到库里。

系统提供字符处理函数 str族，逐字符偏移比较，效率低下

正则表达式使用贪心算法，完成数据的模式匹配与查询，提高查询效率

即支持精准匹配，也支持模糊查询

正则表达式技术模糊查询，数据要有一定的数据规则，规则越明确正则越简单。若存储没有明确的格式，正则使用不方便。

数据落到磁盘中（持久化处理），如果没有使用数据库，需要设计存储格式，便于后续的使用和访问

1.1 正则的匹配处理流程

1、将数据源以行为单位缓存到模式空间缓冲区，自行遍历迭代直到文件末尾

2、构建描述数据特征的正则语句

3、将缓冲区中待处理数据与正则语句进行贪婪匹配（尽可能多的匹配，提高效率），匹配成功就找到了一条结果

1.2 正则使用方式

1.命令使用

grep '正则语句' FileName

awk

sed

注意：其他命令使用的是通配符，与正则表达式含义不同

2.函数使用

#include <regex.h>

一系列正则函数 regcomp()，regexec()，regexerror()

1.3 正则元字符

\ 转义字符：赋予/取消特殊含义

a* 以前一个表达式（表达式默认的最小颗粒度为1个字符）为参照，表达该表达式出现0次或多次

aa* ：a出现1次或多次

a+ 以前一个表达式为参照，表示该表达式出现1次或多次        【需要转义】

a\+ ：a出现1次或多次

. 表示任意一个字符

.* 匹配任意一个字符0次或多次

.+ 匹配任意一个字符1次或多次

grep '\.' 查询 .

a? 表示前一个表达式出现0次或1次        【需要转义】

[a] 表达式集合，表示集合中任意一个表达式1次

[abc] a或b或c出现一次，自带逻辑或 | 

注意：除了在集合中，其他位置使用逻辑或 | 都 需要转义

[a-zA-Z0-9] 集合扩展     注意：字符集合非词集合

[^a-z] 集合取非，匹配非表达式的任意数据a

^a 后一个表达式为行首

a$ 前一个表达式为行尾

注意：表达式之间无法相互参照，除非此表达式无任何含义

[0-9]{9}$，意思是[0-9]为结尾

\** ：0次或多次*

^$ ：匹配空行

数据清洗，删除空行到新文件？

grep "^&' file -v > newFile

给你一个time.log，要求匹配5月份的日志，显示共有多少条?

grep '05.\+' time.log | wc -l 

管道：两个进程间通信 | 

a{n} 限定符，以前一个表达式为参照，连续出现n次         【需要转义】

a{n,} 表达式数据最少出现n次

a{n,m} 表达式数据最少n次，最大m次。匹配颗粒度由大到小

() 创建表达式，括号中的表达式为一个整体，提高表达式的颗粒度        【需要转义】

例：匹配邮箱

^[a-zA-Z0-9_]\{8,15\}@[0-9a-z]\+\.\(com\|cn\)$

匹配手机号

^1[3-9][0-9]\{9\}$

#include <stdio.h>
#include <unistd.h>
#include <regex.h>
#include <string.h>

int main(){
	int len;
	char buf[1024];
	bzero(buf,sizeof(buf));
	
	//正则匹配
	regex_t reg;	//正则类型
	//生成正则类型
	// \\* \\? \\{\\} \\(\\) "\"qwq\""
	regcomp(&reg,"^1[3-9][0-9]\\{9\\}$",0);	//将字符串正则语句转换为reg正则类
	regmatch_t match[1];	//匹配成功传出位置数组
	while((len=read(STDIN_FILENO,buf,sizeof(buf)))>0){	//读取标准输入
		buf[strlen(buf)-1]='\0';	//取出换行符
		if((regexec(&reg,buf,1,match,0))==0){	//模糊查询，匹配数据，一次返回一条结果
			printf("phone %s, success\n",buf);
		}
		else{
			printf("phone %s, failed\n",buf);
		}
	}
	regfree(&reg);	//释放正则
	return 0;
}

#include <stdio.h>
#include <string.h>
#include <unistd.h>
#include <regex.h>

int main(){
	char* buf="<address>abc</address>";
	int len;
	char newbuf[1024];
	bzero(newbuf,sizeof(newbuf));

	regex_t reg;
	regcomp(&reg,"<address>\\([^<]\\+\\)</address>",0);
	regmatch_t match[2];
	
	if((regexec(&reg,buf,2,match,0)==0)){
		snprintf(newbuf,match[1].rm_eo - match[1].rm_so + 1,"%s",buf + match[1].rm_so);
        }
	printf("%s\n",newbuf);
	regfree(&reg);
	return 0;
}