c语言正则表达式匹配字符串,C语言的正则表达式 regex

最新推荐文章于 2024-10-17 19:59:49 发布

weixin_39603537

最新推荐文章于 2024-10-17 19:59:49 发布

阅读量1.8k

点赞数

文章标签： c语言正则表达式匹配字符串

正则表达式在编程中的应用是非常广泛的，在C语言中，同样有着正则表达式的库，我们使用regex.h这个头说包含的函数来完成我们的需要：

先看一段例子：

#include

char *sub_string(char *str, int start, int end)

{

static char * st = NULL;

int i = start, j = 0;

st ? free(st) : 0;

st = (char *)malloc(sizeof(char) * (end - start + 1));

while(i < end){

st[j++] = str[i++];

}

st[j] = '\0';

return st;

}

int main()

{

regmatch_t pm[4];

regex_t preg;

char *pattern = "(href\\ *=\\ *\\\")([^\\\"]*)(\\\")"; //匹配串

char *file = "Awaysoft.com Awaysoft2.com Awaysoft.com3", *st; //被匹配串

if (regcomp(&preg, pattern, REG_EXTENDED |REG_NEWLINE) != 0){ //编译正则表达式

fprintf(stderr, "Cannot regex compile!");

return -1;

}

st = file;

while (st && regexec(&preg, st, 4, pm, REG_NOTEOL) != REG_NOMATCH){ //开始匹配

printf("%s\n",sub_string(st, pm[2].rm_so, pm[2].rm_eo));

st = &st[pm[3].rm_eo];//转到下一个匹配的初始位置

}

return 0;

}

这段程序的运行结果是：

http://www.awaysoft.com

http://www.awaysoft2.com

http://www.awaysoft3.com

要注意的是regexec仅仅能进行一次匹配，要多次匹配需要用循环！

所以，我用了一个while语句，pm这个数组表示的是分组数目，不是匹配个数。看到正则表达式中，有3组()，那么就代表有3+1个分组，+1是指被匹配的全部字符串。用上面给的例子，那么pm就是4,其中pm[0] == “href=\”http://www.awaysoft.com\””,pm[1] == “href=\””,pm[2] == “http://www.awaysoft.com”, pm[3] = “\””;

st = &st[pm[3].rm_eo];这句是将指针移动到下一次匹配开始的字符。

下面，转了一篇regex的详细用法：

编译正则表达式

为了提高效率，在将一个字符串和正则表达式进行比较之前，首先要用regcomp()函数对他进行编译，将其转化为regex_t结构：

int regcomp(regex_t *preg, const char *regex, int cflags);

参数regex是个字符串，他代表将要被编译的正则表达式；参数preg指向一个声明为regex_t的数据结构，用来保存编译结果；参数cflags决定了正则表达式该怎么被处理的细节。

如果函数regcomp()执行成功，并且编译结果被正确填充到preg中后，函数将返回0，所有其他的返回结果都代表有某种错误产生。

匹配正则表达式

一旦用regcomp()函数成功地编译了正则表达式，接下来就能调用regexec()函数完成模式匹配：

int regexec(const regex_t *preg, const char *string, size_t nmatch,regmatch_t pmatch[], int eflags);

typedef struct {

regoff_t rm_so;

regoff_t rm_eo;

} regmatch_t;

参数preg指向编译后的正则表达式，参数string是将要进行匹配的字符串，而参数nmatch和pmatch则用于把匹配结果返回给调用程式，最后一个参数eflags决定了匹配的细节。

在调用函数regexec()进行模式匹配的过程中，可能在字符串string中会有多处和给定的正则表达式相匹配，参数pmatch就是用来保存这些匹配位置的，而参数nmatch则告诉函数regexec()最多能把多少个匹配结果填充到pmatch数组中。当regexec()函数成功返回时，从string+pmatch[0].rm_so到string+pmatch[0].rm_eo是第一个匹配的字符串，而从string+pmatch[1].rm_so到string+pmatch[1].rm_eo，则是第二个匹配的字符串，依此类推。

释放正则表达式

无论什么时候，当不再需要已编译过的正则表达式时，都应该调用函数regfree()将其释放，以免产生内存泄漏。

void regfree(regex_t *preg);

函数regfree()不会返回所有结果，他仅接收一个指向regex_t数据类型的指针，这是之前调用regcomp()函数所得到的编译结果。

如果在程式中针对同一个regex_t结构调用了多次regcomp()函数，POSIX标准并没有规定是否每次都必须调用regfree()函数进行释放，但建议每次调用regcomp()函数对正则表达式进行编译后都调用一次regfree()函数，以尽早释放占用的存储空间。

报告错误信息

如果调用函数regcomp()或regexec()得到的是个非0的返回值，则表明在对正则表达式的处理过程中出现了某种错误，此时能通过调用函数regerror()得到周详的错误信息。

size_t regerror(int errcode, const regex_t *preg, char *errbuf, size_t errbuf_size);

参数errcode是来自函数regcomp()或regexec()的错误代码，而参数preg则是由函数regcomp()得到的编译结果，其目的是把格式化消息所必须的上下文提供给regerror()函数。在执行函数regerror()时，将按照参数errbuf_size指明的最大字节数，在errbuf缓冲区中填入格式化后的错误信息，同时返回错误信息的长度。

应用正则表达式

最后给出一个具体的实例，介绍怎么在C语言程式中处理正则表达式。

#include

/* 取子串的函数 */

static char* substr(const char*str, unsigned start, unsigned end)

{

unsigned n = end - start;

static char stbuf[256];

strncpy(stbuf, str + start, n);

stbuf[n] = 0;

return stbuf;

}