[正则表达式]C语言

POSIX规定了正则表达式的C语言库函数，详见regex(3)。我们已经学习了很多C语言库函数的用法，读者应该具备自己看懂man手册的能力了。本章介绍了正则表达式在grep、sed、awk中的用法，学习要能够举一反三，请读者根据regex(3)自己总结正则表达式在C语言中的用法，写一些简单的程序，例如验证用户输入的IP地址或email地址格式是否正确。\n\nC语言处理正则表达式常用的函数有regcomp()、regexec()、regfree()和regerror()，一般分为三个步骤，如下所示：\n\nC语言中使用正则表达式一般分为三步：\n\n编译正则表达式 regcomp()\n\n匹配正则表达式 regexec()\n\n释放正则表达式 regfree()\n\n下边是对三个函数的详细解释\n\n这个函数把指定的正则表达式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。\n\nint regcomp (regex_t compiled, const char pattern, int cflags)\n/\n是一个结构体数据类型，用来存放编译后的正则表达式，它的成员re_nsub 用来存储正则表达式中的子正则表达式的个数，子正则表达式就是用圆括号包起来的部分表达式。\n/\n regex_t \n pattern //是指向我们写好的正则表达式的指针。\n cflags //有如下4个值或者是它们或运算(|)后的值：\n REG_EXTENDED //以功能更加强大的扩展正则表达式的方式进行匹配。\n REG_ICASE //匹配字母时忽略大小写。\n REG_NOSUB //不用存储匹配后的结果,只返回是否成功匹配。如果设置该标志位，那么在regexec将忽略nmatch和pmatch两个参数。\n 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。\n当我们编译好正则表达式后，就可以用regexec 匹配我们的目标文本串了，如果在编译正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。\n\n执行成功返回０。\n\nregmatch_t 是一个结构体数据类型，在regex.h中定义：\n\ntypedef struct {\n regoff_t rm_so;\n regoff_t rm_eo;\n} regmatch_t;\n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。因为往往我们的正则表达式中还包含子正则表达式。数组0单元存放主正则表达式位置，后边的单元依次存放子正则表达式位置。\n\nint regexec (regex_t *compiled, char string, size_t nmatch, regmatch_t matchptr[], int eflags)\ncompiled //是已经用regcomp函数编译好的正则表达式。\nstring // 是目标文本串。\nnmatch // 是regmatch_t结构体数组的长度。\nmatchptr regmatch_//t类型的结构体数组，存放匹配文本串的位置信息。\neflags 有两个值:\nREG_NOTBOL //让特殊字符^无作用\nREG_NOTEOL //让特殊字符＄无作用\n当我们使用完编译好的正则表达式后，或者要重新编译其他正则表达式的时候，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。\n\nvoid regfree (regex_t compiled)\n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。\n\nsize_t regerror (int errcode, regex_t compiled, char buffer, size_t length)\n\nerrcode //是由regcomp 和 regexec 函数返回的错误代号。\ncompiled //是已经用regcomp函数编译好的正则表达式，这个值可以为NULL。\nbuffer //指向用来存放错误信息的字符串的内存空间。\nlength //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。\n例如： size_t length = regerror (errcode, compiled, NULL, 0);\n\n测试用例：\n\n#include \u003Csys/types.h>\n#include \u003Cregex.h>\n#include \u003Cstdio.h>\n\nint main(int argc, char ** argv)\n{\n if (argc != 3) {\n printf(“Usage: %s RegexString Text\n”, argv[0]);\n return 1;\n }\n const char * pregexstr = argv[1];\n const char * ptext = argv[2];\n regex_t oregex;\n int nerrcode = 0;\n char szerrmsg[1024] = {0};\n size_t unerrmsglen = 0;\n if ((nerrcode = regcomp(&oregex, pregexstr, REG_EXTENDED|REG_NOSUB)) ====
0) {\n if ((nerrcode = regexec(&oregex, ptext, 0, NULL, 0))
== 0) {\n printf("%s matches %s\n", ptext, pregexstr);\n regfree(&oregex);\n return 0;\n }\n }\n unerrmsglen = regerror(nerrcode, &oregex, szerrmsg, sizeof(szerrmsg));\n unerrmsglen = unerrmsglen \u003C sizeof(szerrmsg) ? unerrmsglen : sizeof(szerrmsg) - 1;\n szerrmsg[unerrmsglen] = ‘\0’;\n printf(“ErrMsg: %s\n”, szerrmsg);\n regfree(&oregex);\n\n return 1;\n}\n匹配网址：\n\n./a.out "http:\/\/www\…\.com" “http://www.taobao.com”\n./a.out “¹+@[a-zA-Z0-9]+.[a-zA-Z0-9]+” “itcast123@itcast.com”\n./a.out "\w+([-+.]\w+)@\w+([-.]\w+)\.\w+([-.]\w+)" “itcast@qq.com”\n注：\w匹配一个字符，包含下划线\n除了gnu提供的函数外，还常用PCRE处理正则，全称是Perl Compatible Regular Ex-pressions。从名字我们可以看出PCRE库是与Perl中正则表达式相兼容的一个正则表达式库。PCRE是免费开源的库，它是由C语言实现的，这里是它的官方主页：http://www.pcre.org/，感兴趣的朋友可以在这里了解更多的内容。 要得到PCRE库，可以从这里下载：http://sourceforge.net/projects/pcre/files/\n\nPCRE++是一个对PCRE库的C++封装，它提供了更加方便、易用的C++接口。这里是它的官方主页：http://www.daemon.de/PCRE，感兴趣的朋友可以在这里了解更多的内容。 要得到PCRE++库，可以从这里下载：http://www.daemon.de/PcreDownload\n\n另外c++中常用 boost regex。

---

1. a-zA-Z0-9 ↩︎