linux c下使用正则表达式

要使用正则表达式的函数库在你的程序前面包含
    #include <sys/types.h>  

    #include <regex.h>

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。

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。

void regfree(regex_t *preg);

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。

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。

实例：提取超链接

#include <stdio.h>
#include <sys/types.h>
#include <regex.h>
#include <stdlib.h>
#include <string.h>

int main(int argc, char *argv[])
{
	int i=0;
	char buff[200]; 
    char *name = "<a href=\"http://blog.csdn.net/chinabhlt\">代码的世界</a>";
	char *pattern = "href=\"http://[a-zA-Z].*\"";
	regex_t reg;  
    regmatch_t pmatch[5];
	int ret = regcomp(&reg,pattern,REG_EXTENDED);  // 编译正则表达式，为reg分配内存   
    ret = regexec(&reg,name,5,pmatch,0);  // 匹配正则表达式
    if(ret == 0)  
    {  
        printf("Match\n");  
  
        // 提取组信息,i从1开始   
        for(i=0;i<5&&pmatch[i].rm_so!=-1;i++)  
        {  
            memset(buff,0, sizeof(buff));
            int len = pmatch[i].rm_eo - pmatch[i].rm_so;  // 匹配长度
			printf("%d\n", len);
            strncpy(buff,name+pmatch[i].rm_so,len);  
            printf("%s\n",buff);   
        }  
    }else if(ret == REG_NOMATCH)  
    {  
        printf("No match\n");  
    }else   
    {  
        char err[100];  
        regerror(ret,&reg,err,100); // 打印错误  
        printf("error:%s\n",err);  
    }  
  
    regfree(&reg);  // 释放内存，重复使用regcomp()时，一定要调用regfree()，防止内存漏洞  
    return 0;
}

打印结果：

Match
37
href="http://blog.csdn.net/chinabhlt"

我想结合前面c如何获取网页信息，就可以简单写出一个小的爬虫了