正则表达式与Regex函数

影响使用正则表达式的因素:
  C语言中使用strstr或strcmp函数(需要确定字符串中含有此子串)进行字符串匹配，匹配效率较低，且两个函数均为绝对匹配，灵活性较差。

  正则表达式通过数据的规则，匹配提取数据

正则表达式的匹配方式，工作流程

正则表达式字符串:
  用于描述数据规则的字符串，由一系列特殊符号组成的逻辑语句

Linux下常用的两种正则方式，命令使用正则和函数使用正则。
  grep命令(grep “正则表达式” filename)regex族函数

正则表达式基础:特殊符号的含义

  \ : 转义符（有特殊含义的字符需要转义）
  * : 以前一个字符为参照，匹配该字符0次或多次
  ^ : 以后一个字符为参照，表示行首
  $ : 以前一个字符为参照，表示行尾
  . :表示任意字符出现一次
  + :以前一个字符为参照，匹配该字符一次或多次(需要转义\+)
  ? :表示任意字符出现0次或1次（需要转义\?）
  [ ] :表示集合，只代表集合中的一个字符
  [^] :代表该集合取非
  | :逻辑或 [a|b|c|d]（只有在集合中使用不需要转义）
  {n} :以前一个字符为参照，表示该字符连续出现的频率（需要转义）
  {n,} :以前一个字符为参照，表示该字符最少连续出现n次，最多出现无数次（需要转义）
  {n,m} :以前一个字符为参照，表示该字符最少出现n次，最多出现m次（需要转义）
  () :可以自定义数据范围（需要转义）


举例:

  以h开头o结尾的任意字符串，“^h.*o$”

  手机号的正则表达式，“^1[3-8]\{1\}[0-9]\{9\}$”

使用正则函数，匹配抽取关键数据

C标准库正则函数：

  regex_t 正则类型

  regcomp(regex_t* reg, char* regstring, int flags); \\使用正则字符串，生成正则类型

  regexec(regex_t* reg, char* string,int nmatch, rematch_t,int flags);\\使用正则类型，在文本中进行匹配抽取数据，每次返回一条结果

  regfree(regex_t* preg);\\释放正则类型

  regerror(int errcode, const regex_t* preg, char* errbuf,size_t errbuf_size);\\对正则函数进行错误处理

For example:
  <a href=“sina.news.com/cs/dd/2020/text.shtml”>链接标题</a>

正则：使用括号划分子表达式

  父表达式：

<a\\[^>\\]\\+\\?href=\\(\\[^\"\\]\\+\\?\.shtml\\)\"\\[^>\\]\\+\\?>\\(\\[^<\\]\\+\\?\\)</a>

  子表达式1：

[^"]+?\.shtml \\匹配抽取链接

  子表达式2：

[^<]+? \\匹配抽取标题

默认情况下为贪婪模式工作

+?为非贪婪工作模式

regexec(regex_t* reg,char* string,size_t nmatch,rematch_t* pmatch,int eflags);

参数3表达式数量，父表达式与子表达式的总数

参数4传出的位置数组，便于抽取关键数据，位置数组长度与表达式数量一致