GNU C 规则表达式入门(转)

GNU C 规则表达式入门(转)[@more@]

用过Perl的朋友应该都它提供了规则表达式功能，所以使得用perl 进行文本处理非常方便。本人最近试用了一下

　　　 GNU C 的规则表达式功能，

　　　 发现使用起来也很简单，只是觉得支持的不够强大，不能够进行文本的替换，只能进行文本的查找，至少目前我是

　　　 没有发现基于规则表达式的

　　　 文本替换功能。

　　　 下面我就简单的介绍一下GNU C 的规则表达式使用方法，有理解不对的地方，还请朋友们多指正。

　　　 在GNU C 中要使用规则表达式，需要用到以下几个函数。（定义在/usr/include/regex.h文件中）

　　　 * int regcomp (regex_t *compiled, const char *pattern, int cflags)

　　　 * int regexec (regex_t *compiled, char *string, size_t nmatch, regmatch_t matchptr [], int

　　　 eflags)

　　　 * void regfree (regex_t *compiled)

　　　 * size_t regerror (int errcode, regex_t *compiled, char *buffer, size_t length)

　　　 下面我就介绍分别一下这几个函数和它用到的一些数据类型。

　　　 1.int regcomp (regex_t *compiled, const char *pattern, int cflags)

　　　 这个函数把指定的规则表达式pattern编译成一种特定的数据格式compiled，这样可以使匹配更有效。函数

　　　 regexec 会使用这个数据在目标文

　　　 本串中进行模式匹配。执行成功返回０。

　　　 regex_t 是一个结构体数据类型，用来存放编译后的规则表达式，它的成员re_nsub 用来存储规则表达式中的子

　　　 规则表达式的个数，子规则表

　　　 达式就是用圆括号包起来的部分表达式。

　　　 pattern 是指向我们写好的规则表达式的指针。

　　　 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。

　　　 2. int regexec (regex_t *compiled, char *string, size_t nmatch, regmatch_t matchptr [], int

　　　 eflags)

　　　 当我们编译好规则表达式后，就可以用regexec 匹配我们的目标文本串了，如果在编译规则表达式的时候没有指

　　　 定cflags的参数为

　　　 REG_NEWLINE，则默认情况下是忽略换行符的，也就是把整个文本串当作一个字符串处理。执行成功返回０。

　　　 regmatch_t 是一个结构体数据类型，成员rm_so 存放匹配文本串在目标串中的开始位置，rm_eo 存放结束位

　　　 置。通常我们以数组的形式定义

　　　 一组这样的结构。因为往往我们的规则表达式中还包含子规则表达式。数组0单元存放主规则表达式位置，后边的

　　　 单元依次存放子规则表达式位

　　　 置。

　　　 compiled 是已经用regcomp函数编译好的规则表达式。

　　　 string 是目标文本串。

　　　 nmatch 是regmatch_t结构体数组的长度。

　　　 matchptr regmatch_t类型的结构体数组，存放匹配文本串的位置信息。

　　　 eflags 有两个值

　　　 REG_NOTBOL 按我的理解是如果指定了这个值，那么'^'就不会从我们的目标串开始匹配。总之我到现在还不是很

　　　 明白这个参数的意义，

　　　 原文如下：

　　　 If this bit is set, then the beginning-of-line operator doesn't match the beginning of the

　　　 string (presumably

　　　 because it's not the beginning of a line).If not set, then the beginning-of-line operator

　　　 does match the beginning

　　　 of the string.

　　　 REG_NOTEOL 和上边那个作用差不多，不过这个指定结束end of line。

　　　 3. void regfree (regex_t *compiled)

　　　 当我们使用完编译好的规则表达式后，或者要重新编译其他规则表达式的时候，我们可以用这个函数清空

　　　 compiled指向的regex_t结构体的内

　　　 容，请记住，如果是重新编译的话，一定要先清空regex_t结构体。

　　　 4. size_t regerror (int errcode, regex_t *compiled, char *buffer, size_t length)

　　　 当执行regcomp 或者regexec 产生错误的时候，就可以调用这个函数而返回一个包含错误信息的字符串。

　　　 errcode 是由regcomp 和 regexec 函数返回的错误代号。

　　　 compiled 是已经用regcomp函数编译好的规则表达式，这个值可以为NULL。

　　　 buffer 指向用来存放错误信息的字符串的内存空间。

　　　 length 指明buffer的长度，如果这个错误信息的长度大于这个值，则regerror 函数会自动截断超出的字符串，

　　　 但他仍然会返回完整的字符

　　　 串的长度。所以我们可以用如下的方法先得到错误字符串的长度。

　　　 size_t length = regerror (errcode, compiled, NULL, 0);

　　　 好了，下面来实战一下，这样你就会理解的更清楚了。

　　　 ---------------------------------------------------------------

　　　 /* regex_test.c

　　　 * regular expression test in GNU C

　　　 *

　　　 * tested on redhat6.1

　　　 * gcc regex_test.c -o regex_test

　　　 */

　　　 #include

　　　 #include

　　　 #include

　　　 #include

　　　 #include

　　　 #define SUBSLEN 10

　　　 #define EBUFLEN 128 /* error buffer length */

　　　 #define BUFLEN 1024 /* matched buffer length */

　　　 int

　　　 main (int argc, char **argv)

　　　 {

　　　 FILE *fp;

　　　 size_t len; /* store error message length */

　　　 regex_t re; /* store compilned regular expression */

　　　 regmatch_t subs[SUBSLEN]; /* store matched string position */

　　　 char matched[BUFLEN]; /* store matched strings */

　　　 char errbuf[EBUFLEN]; /* store error message */

　　　 int err, i;

　　　 char string[] = "AAAAabaaababAbAbCdCd123123 11(123){12}";

　　　 char pattern[] = "(([0-9]+))({[0-9]+}{1})$";

　　　 printf ("String : %s ", string);

　　　 printf ("Pattern: "%s" ", pattern);

　　　 /* compile regular expression */

　　　 err = regcomp (&re, pattern, REG_EXTENDED);

　　　 if (err)

　　　 {

　　　 len = regerror (err, &re, errbuf, sizeof (errbuf));

　　　 fprintf (stderr, "error: regcomp: %s ", errbuf);

　　　 exit (1);

　　　 }

　　　 printf ("Total has subexpression: %d ", re.re_nsub);

　　　 /* execute pattern match */

　　　 err = regexec (&re, string, (size_t)SUBSLEN, subs, 0);

　　　 if (err == REG_NOMATCH)

　　　 {

　　　 fprintf (stderr, "Sorry, no match ... ");

　　　 regfree (&re);

　　　 exit (0);

　　　 }

　　　 else if (err)

　　　 {

　　　 len = regerror (err, &re, errbuf, sizeof (errbuf));

　　　 fprintf (stderr, "error: regexec: %s ", errbuf);

　　　 exit (1);

　　　 }

　　　 /* if no REG_NOMATCH and no error, then pattern matched */

　　　 printf (" OK, has matched ... ");

　　　 for (i = 0; i <= re.re_nsub; i++)

　　　 {

　　　 if (i == 0)

　　　 {

　　　 printf ("begin: %d, end: %d, ",

　　　 subs.rm_so, subs.rm_eo);

　　　 }

　　　 else

　　　 {

　　　 printf ("subexpression %d begin: %d, end: %d, ",

　　　 i, subs.rm_so, subs.rm_eo);

　　　 }

　　　 len = subs.rm_eo - subs.rm_so;

　　　 memcpy (matched, string + subs.rm_so, len);

　　　 matched[len] = '';

　　　 printf ("match: %s ", matched);

　　　 }

　　　 regfree(&re);

　　　 exit(0);

　　　

来自 “ ITPUB博客 ” ，链接：http://blog.itpub.net/8225414/viewspace-944546/，如需转载，请注明出处，否则将追究法律责任。

转载于:http://blog.itpub.net/8225414/viewspace-944546/