linux c 正则表达式 简介

目录

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

2. int regexec (regex_t *compiled, char *string, size_t nmatch, regmatch_t matchptr [], int eflags)

3. void regfree (regex_t *compiled)

4. size_t regerror (int errcode, regex_t *compiled, char *buffer, size_t length)

实例

---

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，其中最著名的当数Philip Hazel的Perl-Compatible Regular Expression库，许多Linux发行版本都带有这个函数库。

C语言处理正则表达式常用的函数有regcomp()、regexec()、regfree()和regerror()，一般分为三个步骤

1. 编译正则表达式 regcomp()
2. 匹配正则表达式 regexec()
3. 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;
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。该函数虽然以regmatch_t数组的形式定义了参数，但是实际上regexec()函数只能匹配到一个，让人误解啊，特别注明一下。

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 按我的理解是如果指定了这个值，那么'^'就不会从我们的目标串开始匹配。总之我到现在还不是很明白这个参数的意义；
REG_NOTEOL 和上边那个作用差不多，不过这个指定结束end of line。

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。

size_t length = regerror (errcode, compiled, NULL, 0);

实例

#include <stdio.h>
#include <sys/types.h>
#include <regex.h>
#include <stdlib.h>
#include <string.h>
 
int main(int argc, char *argv[])
{
	int i=0;
	char buff[200]; 
    char *name = "<a href=\"http://blog.csdn.net/chinabhlt\">代码的世界</a>";
	char *pattern = "href=\"http://[a-zA-Z].*\"";
	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   
    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(i=0;i<5&&pmatch[i].rm_so!=-1;i++)  
        {  
            memset(buff,0, sizeof(buff));
            int len = pmatch[i].rm_eo - pmatch[i].rm_so;  // 匹配长度
			printf("%d\n", len);
            strncpy(buff,name+pmatch[i].rm_so,len);  
            printf("%s\n",buff);   
        }  
    }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  
    return 0;
}

输出结果：

Match
37
href="http://blog.csdn.net/chinabhlt"