LinuxC语言正则表达式使用

参考https://www.iteye.com/blog/tcspecial-2158513
https://blog.csdn.net/chenjiayi_yun/article/details/43375201

标准的C和C++都不支持正则表达式，但有一些函数库可以辅助C/C++程序员完成这一功能，Linux下带有开源库，Linux上内置的正则表达式功能比较弱，很多语法不支持，不支持懒惰模式, 位置指定。\d也不支持，只能用[0-9]代替。

C语言中使用正则表达式一般分为三步：

编译正则表达式 regcomp()

匹配正则表达式 regexec()

释放正则表达式 regfree()

下边是对三个函数的详细解释

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

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。 　

参数说明：

①regex_t 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。

②pattern 是指向我们写好的正则表达式的指针。

③cflags 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正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。执行成功返回０。

regmatch_t 是一个结构体数据类型，在regex.h中定义：             

typedef struct
{
   regoff_t rm_so;
   regoff_t rm_eo;
} regmatch_t;

rm_so 存放匹配文本串在目标串中的开始位置
rm_eo 存放匹配文本串在目标串中的结束位置。
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。

参数说明：

①compiled 是已经用regcomp函数编译好的正则表达式。

②string 是目标文本串。

③nmatch 是regmatch_t结构体数组的长度。

④matchptr regmatch_t类型的结构体数组，存放匹配文本串的位置信息。

⑤eflags 有两个值

REG_NOTBOL:匹配行的开始符号始终不匹配
REG_NOTEOL:匹配行的结束符号始终不匹配

3. void regfree (regex_t *compiled)

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。

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。



参数说明：

①errcode 是由regcomp 和 regexec 函数返回的错误代号。

②compiled 是已经用regcomp函数编译好的正则表达式，这个值可以为NULL。

③buffer 指向用来存放错误信息的字符串的内存空间。

④length 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。

#include <regex.h>  
  
/** 
 *@brief 正则表达式测试 
 */  
void reg_test()  
{  
    const char *name = "jmA1234kettas";  
    const char *pattern = "^jm[A-Z][0-9]{1,}(.*)";  
  
    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  
    assert(ret==0);  
  
    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(int i=1;i<5&&pmatch[i].rm_so!=-1;i++)  
        {  
            char buff[200];  
            memset(buff,'\0',200);  
  
            int len = pmatch[i].rm_eo - pmatch[i].rm_so;  // 匹配长度  
            strncpy(buff,name+pmatch[i].rm_so,len);  
            printf("buff:%s\n",buff);  // 显示kettas  
        }  
    }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  
}