正则表达式pcre使用

pcre使用例子
分类： C/C++2013-03-12 14:47:02
在C语言中利用PCRE实现正则表达式

1. PCRE简介
   PCRE(Perl Compatible Regular Expressions即：perl语言兼容正则表达式)是一个用C语言编写的正则表达式函数库，由菲利普.海泽(Philip Hazel)编写。PCRE是一个轻量级的函数库，比Boost之中的正则表达式库小得多。PCRE十分易用，同时功能也很强大，性能超过了POSIX正则表达式库和一些经典的正则表达式库。
   和Boost正则表达式库的比较显示，双方的性能相差无几，PCRE在匹配简单字符串时更快，Boost则在匹配较长字符串时胜出—但两者差距很小，考虑到PCRE的大小和易用性，我们可以认为PCRE更值得考虑。
   PCRE被广泛使用在许多开源软件之中，最著名的莫过于Apache HTTP服务器和PHP脚本语言、R脚本语言，此外，正如从其名字所能看到的，PCRE也是perl语言的缺省正则库。
   PCRE是用C语言实现的，其C++实现版本是PCRE++。

2. 正则表达式定义
   一个正则表达式就是由普通字符（例如字符 a 到 z）以及特殊字符（称为元字符）组成的文字模式。该模式描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。
   例如下面一些正则表达式：
   ^(-?\d+)(.\d+)?$匹配浮点{数}^{[}A-Za-z]+$ 匹配由26个英文字母组成的字符串
   ¹+$匹配由26个英文字母的大写组成的字符{串}^{[}a-z]+$　　 匹配由26个英文字母的小写组成的字符串
   ²+KaTeX parse error: Undefined control sequence: \w at position 29: …26个英文字母组成的字符串 ^\̲w̲+　　 匹配由数字、26个英文字母或者下划线组成的字符串
   ³+(.[\w-]+)*@[\w-]+(.[\w-]+)+$　　　　 匹配email地址
   当然，可能你会问上面这些表达式为什么是这样写。这里就暂时不做多讲，因为本文主要讲的是PCRE库的应用，所以想了解更多的话，可以看我下面的[附录1]，里面有全部正则表式用到的元字符说明。或参考网址正则表达式语言元素msdn文档。

3. PCRE正则表达式的定义
   用于描述字符排列和匹配模式的一种语法规则。它主要用于字符串的模式分割、匹配、查找及替换操作。正则中重要的几个概念有：元字符、转义、模式单元（重复）、反义、引用和断言。

常用的元字符(Meta-character)
元字符 说明
\A 匹配字符串串首的原子
\Z 匹配字符串串尾的原子
\b 匹配单词的边界/\bis/匹配头为is的字符串/is\b/ 匹配尾为is的字符串 /\bis\b/ 定界
\B 匹配除单词边界之外的任意字符 /\Bis/ 匹配单词“This”中的“is”
\d 匹配一个数字；等价于[0-9]
\D 匹配除数字以外任何一个字符；等价于[^0-9]
\w 匹配一个英文字母、数字或下划线；等价于[0-9a-zA-Z_]
\W 匹配除英文字母、数字和下划线以外任何一个字符；等价于[^0-9a-zA-Z_]
\s 匹配一个空白字符；等价于[\f\t\v]
\S 匹配除空白字符以外任何一个字符；等价于[^\f\t\v]
\f 匹配一个换页符等价于 \x0c 或 \cL
匹配一个换行符；等价于 \x0a 或 \cJ
匹配一个回车符等价于\x0d 或 \cM
\t 匹配一个制表符；等价于 \x09\或\cl
\v 匹配一个垂直制表符；等价于\x0b或\ck
\oNN 匹配一个八进制数字
\xNN 匹配一个十六进制数字
\cC 匹配一个控制字符

模式修正符（Pattern Modifiers）
模式修正符在忽略大小写、匹配多行中使用特别多，掌握了这一个修正符，往往能解决我们遇到的很多问题。
i －可同时匹配大小写字母
M －将字符串视为多行
S －将字符串视为单行，换行符做普通字符看待，使“.”匹配任何字符
X －模式中的空白忽略不计
U －匹配到最近的字符串
e －将替换的字符串作为表达使用

格式：/apple/i匹配“apple”或“Apple”等，忽略大小写。 当然这里还有很多种情况，在这里就不一一描述出来了。

4. PCRE的函数简介
   PCRE是一个NFA正则引擎，不然不能提供完全与Perl一致的正则语法功能。但它同时也实现了DFA，只是满足数学意义上的正则。
   PCRE提供了19个接口函数。
   这里只介绍了几个主要和常用的接口函数，另外的可通过PCRE源码文档进行了解。注意，使用PCRE主要是使用下面介绍的前四个函数，对这四个函数有了了解，使用PCRE库的时候就会简单很多了。
   下面所讲的函数，都在PCRE头文件上定义申明：#include 。

1.pcre_compile
函数原型：
pcre *pcre_compile(const char *pattern, int options, const char **errptr, int *erroffset, const unsigned char *tableptr)
功能：将一个正则表达式编译成一个内部表示，在匹配多个字符串时，可以加速匹配。其同pcre_compile2功能一样只是缺少一个参数errorcodeptr。
参数说明：

pattern 正则表达式

options 为0，或者其他参数选项

errptr 出错消息

erroffset 出错位置

tableptr 指向一个字符数组的指针，可以设置为空NULL。

2. pcre_compile2

函数原型：

pcre *pcre_compile2(const char *pattern, int options, int *errorcodeptr, const char **errptr, int *erroffset, const unsigned char *tableptr)

功能：将一个正则表达式编译成一个内部表示，在匹配多个字符串时，可以加速匹配。其同pcre_compile功能一样只是多一个参数errorcodeptr。

参数：

pattern 正则表达式

options 为0，或者其他参数选项

errorcodeptr 存放出错码

errptr 出错消息

erroffset 出错位置

tableptr 指向一个字符数组的指针，可以设置为空NULL。

3. pcre_exec

函数原型：

int pcre_exec(const pcre *code, const pcre_extra *extra, const char *subject, int length, int startoffset, int options, int *ovector, int ovecsize)

功能：使用编译好的模式进行匹配，采用与Perl相似的算法，返回匹配串的偏移位置。

参数：

code 编译好的模式

extra 指向一个pcre_extra结构体，可以为NULL

subject 需要匹配的字符串

length 匹配的字符串长度（Byte）

startoffset 匹配的开始位置

options 选项位

ovector 指向一个结果的整型数组

ovecsize 数组大小。

4． pcre_study

函数原型：

pcre_extra *pcre_study(const pcre *code, int options, const char **errptr)

功能：对编译的模式进行学习，提取可以加速匹配过程的信息。

参数：

code 已编译的模式

options 选项

errptr 出错消息

5. pcre_version

函数原型：

char *pcre_version(void)

功能：返回PCRE的版本信息。

参数：无。

6. pcre_config

函数原型：

int pcre_config(int what, void *where)

功能：查询当前PCRE版本中使用的选项信息。

参数：

what 选项名

where 存储结果的位置

7．pcre_maketables

函数原型：

const unsigned char *pcre_maketables(void)

功能：生成一个字符表，表中每一个元素的值不大于256，可以用它传给pcre_compile()替换掉内建的字符表。

参数：无

5. 使用PCRE在C语言中实现正则表达式的解析
   上述讲了这么多PCRE相关函数的介绍，目的还是为了能够运用上，所以这里就先讲解下使用PCRE的过程。主要过程分三步走第一步编译正则表达式；第二匹配正则表达式；第三步释放正则表达式。

1．编译正则表达式

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pcre_compile() /pcre_compile2() 函数对它时行编译，转化成PCRE引擎能够识别的结构（struct real_pcre）。

这里还可以调用pcre_study()函数，对编译后的正则表达式结构（struct real_pcre）时行分析和学习，学习的结果是一个数据结构（struc pcre_extra），这个数据结构连同编译后的规则（struct real_pcre）可以一起送给pcre_exec单元进行匹配。

2. 匹配正则表达式

一旦用函数pcre_compile() /pcre_compile2()成功地编译了正则表达式，接下来就可以调用pcre_exec（）函数完成模式匹配。根据正则表达式到指定的字符串中进行查找和匹配,并输出匹配的结果。

3. 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free()将其释放，以免产生内在泄漏。

6. PCRE函数在C语言中的使用小例子
   在使用PCRE库时，首先肯定是需要安装pcre的，不过一般的系统都会有自带的PCRE库。不过如果想使用最新版本的话，也可以自已下载一个安装包。我这里下载的安装是pcre-8.13.tar.gz版本。安装过程很简单，把安装包上传需要安装的服务器上，安装时默认路径即可，我是在linux环境下安装的，执行命令如下：

1.[root@host70-151 pcre-8.13]# ./configure

2.[root@host70-151 pcre-8.13]# make && make install

此两步即可安装完成，安装成功后的头文件在：/usr/local/include, 库文件在:/usr/local/lib 。

下面是我的一个使用PCRE库函数的一个小例子，其功能是匹配手机号码的正则表达式是否成功，分成四类手机号码时行匹配，分别是移动、电信、联通和CDMA的手机号。里面用到了PCRE库函数中的pcre_compile()和pcre_exec()：

因为我是在linux下编译C程序的，所以要用到makefile文件。注意：如果你在编译时出现提示：

/usr/zej/zej_test/kernel/pcre_test2.c:29: undefined reference to `pcre_compile’

/usr/zej/zej_test/kernel/pcre_test2.c:35: undefined reference to `pcre_exec’

没有定义pcre.h文件里面的函数时，是因为没有链接到库文件里，这时可以能过修改makefile，在l里面添加一个lpcre即可。然后在编译便可成功。

---

1. A-Z ↩︎

2. A-Za-z0-9 ↩︎

3. \w- ↩︎