C 语言处理正则表达式常用的函数有 regcomp()、regexec()、regfree()、regerror(),一般分为三个步骤,如下所示:
- 编译正则表达式 regcomp()
- 匹配正则表达式 regexec()
- 释放正则表达式 regfree()
函数原型
int regcomp(regex_t *preg, const char *regex, int cflags);
函数功能:
把指定的正则表达式 regex 编译成一种特定的数据格式 preg,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匹配模式匹配。执行成功返回 0。
参数说明:
preg 是一个结构体数据类型地址,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。
regex 是指向写好的正则表达式的指针。
cflags 决定正则表达式该如何被处理的细节。可以取如下值:
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_NEWLINE 识别换行符,这样'$'就可以从行尾开始匹配,'^'就可以从行的开头开始匹配。
REG_NOSUB 不用存储匹配后的结果。
int regexec(const regex_t *preg, const char *string, size_t nmatch, regmatch_t pmatch[], int eflags);
匹配目标文本串。如果在编译正则表达式的时候没有指定cflags的参数为REG_NEWLINE,则默认情况下是忽略换行符的,也就是把整个文本串当作一个字符串处理。执行成功返回0。
参数说明:
preg 是用 regcomp 函数编译好的正则表达式。
string 是目标文本串。
nmatch 是 regmatch_t 结构体数组的长度。
regmatch_t 是一个结构体数据类型,在regex.h中定义:
typedef struct
{
regoff_t rm_so;
regoff_t rm_eo;
} regmatch_t;
成员rm_so 存放匹配文本串在目标串中的开始位置,rm_eo 存放结束位置。通常我们以数组的形式定义一组这样的结构。因为往往我们的正则表达式中还包含子正则表达式。数组0单元存放主正则表达式位置,后边的单元依次存放子正则表达式位置。
eflags 有两个值
REG_NOTBOL 让特殊字符^无作用
REG_NOTEOL 让特殊字符$无作用
void regfree(regex_t *preg);
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。
size_t regerror(int errcode, const regex_t *preg, char *errbuf, size_t errbuf_size);
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 函数返回的错误代码。
preg 是用 regcomp 函数编译好的正则表达式。这个值可以为NULL。
errbuf 执行用来存放错误信息的字符串的内存空间。
errbuf_size 指明 errbuf 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。