正则表达式

正则表达式

基本概念

字符	含义	举例
.	匹配任意一个字符	如“abc.”，可以匹配abc2、abcd、abc%等
[]	匹配括号中的任意一个字符	如“[abc]d”，可以匹配ad、bd、cd
-	在[]括号范围内表示范围	如“[0-9]”，表示匹配0至9中任意一个数字
^	位于[]内开头，匹配除括号内字符以外的任意字符	如“[^ab]”，表示匹配除了a、b之外的其他字符
?	紧跟其前面的单元匹配零次或者一次
+	紧跟其前面的单元匹配一次或者多次
*	紧跟其前面的单元匹配零次或者多次
{N}	紧跟其前面的单元匹配精确的N次	如“k{3}”，表示精确匹配kkk。
{N,}	紧跟其前面的单元匹配至少N次
{,M}	紧跟其前面的单元匹配最多M次
{N,M}	紧跟其前面的单元匹配至少N次，最多M次
^	匹配行首的位置
$	匹配行尾的位置
\<	匹配单词开头的位置
\>	匹配单词结尾的位置
\b	匹配单词的边界	如“\bA.{3}T\b”，表示匹配类似A123t、AXYZT等单词
\B	匹配非单词边界	如“\Bh\B”，表示匹配的h不在单词边界，如host则不符合，因为h在单词的边界，而she则符合匹配。
|	连接两个子表达式，表示或的关系	如“n(ei|mn)”，匹配nei或者nmn
()	将正则表达式部分组成分组，可引用分组
\	转义字符
\d	匹配数字字符，效果同[0-9]
\D	匹配非数字字符，效果同[0-9]，或者同[\d]
\w	匹配单词字符，效果同[_a-zA-Z0-9]
\W	匹配非单词字符
\s	匹配空白字符，效果同[ \t\n\r]，注意括号中包括空格
\S	匹配非空白字符
()	分组、子模式（subpattern）
\1、\2…	通过后向引用重用捕获内容	如“(the)(china people) \2 \1”，这里的第一个分组是the、第二个分组是china people，则\1表示第一个分组，\2表示第二个分组。
(?:name)	非捕获分组	如“(?:the|THE)”，非捕获分组不会将其存储在内存，无法后向引用

C语言实现正则表达式

标准的C与C++都不支持正则表达式，但是在某些场景下，正则表达式存在可以为程序带来便利。

在C语言中，一些库函数可以帮助我们实现在C中使用正则表达式的诉求。

以下介绍在Linux环境下C语言中处理正则表达式的常用函数。

regcomp函数

函数原型为：

#include<regex.h>
int regcomp(regex_t *compiled, const char *pattern, int cflags);

函数作用：将指定的正则表达式格式pattern编译成一种特定的数据格式compiled，这样可以使得正则表达式的匹配更加有效。函数执行成功返回0。

参数说明：

1. regex_t是一个结构体数据类型，用来存放编译后的正则表达式，其成员re_nsub用来存储正则表达式组合的子正则表达式的个数。

2. pattern指向要编译的正则表达式字符串。

3. cflags是标志位。可以取值为：

   a、REG_EXTENDED：以功能更加强大的扩展正则表达式的方式进行匹配

   b、REG_ICASE：匹配字母时，忽略大小写；

   c、REG_NOSUB：不用存储匹配后的结果；

   d、REG_NEWLINE：识别换行符，则符号^与$可以分别从行首与行尾开始匹配。

###regexec函数

函数原型为：

#include<regex.h>
int regexec(regex_t *compiled, char *string, size_t nmatch, regmatch_t matchptr[], int eflags);

函数作用：使用正则表达式执行匹配目标文本。如果在调用函数regcomp编译正则表达式时，没有指定cflags标志位为REG_NEWLINE，则默认情况下忽略换行符，即将整个文本内的字符串当作一个整体来处理。函数执行成功返回0。

参数说明：

1. compiled是使用函数regcomp编译好的正则表达式；
2. string是需要匹配的目标字符串；
3. nmatch是regmatch_t结构体数组的长度；
4. matchptr是regmatch_t类型的结构体数组，存放匹配字符串的位置信息；
5. eflags取值为REG_NOTBOL，即让特殊字符^无作用，eflags取值为REG_NOTEOL，即让特殊字符$无作用。

regmatch_t是一个结构体数据类型：

typedef struct {
   
    regoff_t rm_so