深入浅出C/C++中的正则表达式库(一)——GNU Regex Library

写在前面: 本文是面向有正则表达式基础的读者朋友的，如果你还不知道正则表达式是什么，请先到这里学习一下 ：http://en.wikipedia.org/wiki/Regular_expression。

正则表达式(Regular Expressions)，又被称为regex或regexp，是一种十分简便、灵活的文本处理工具。它可以用来精确地找出某文本中匹配某种指定规则的内容。在linux下，grep, sed, awk等工具都支持正则表达式，这些工具的存在，为我们日常的文本处理带来了极大的便利。但是，有时候，我们自己写的程序中也需要用到正则表达式来处理一些文本，这时候就需要一些正则表达式库的支持了。由于我本人是用C/C++做为主要开发语言的，所以，在本文以及接下来的几篇文章中，我将介绍几个常用的C/C++的正则表达式的库，通过我的介绍，以及对具体的使用进行举例，希望能够给读者朋友在C/C++程序中使用正则表达式时有点帮助，这将是我莫大的荣幸。

当前，据我所知，在C/C++中常用的正则表达式库有GNU Regex Library, Boost.Regex, PCRE, PCRE++。这四个库中，后面两个是有关系，其它都是各自己独立的，是不同的实现。因此我会分三次，来一一对这四个库进行介绍。今天首先介绍一下GNU Regex Library。

1. 什么是GNU正则表达式库(GNU Regex Library) ?
GNU正则表达式库是glibc(GNU C Library)的一部分，它提供与POSIX标准兼容的正则表达式匹配的接口。
这里是其主页：http://www.gnu.org/s/libc/manual/html_node/Regular-Expressions.html
下载该库点这里：gnuregex0_13 

2. GNU Regex Library所提供的接口
（1）regcomp:

1 2 3 4 5 6

int regcomp(regex_t *preg, const char *pattern, int cflags) 功能:将要进行匹配的正则表达式pattern进行编译，做匹配前的准备工作 参数: preg, 输出参数，用来保存编译后的正则表达式结果 pattern, 输入参数，传入要进行编译的正则表达式的字符串 cflags, 输入参数，用来指定正则表达式匹配过程中的一些选项 返回值:编译成功返回0，失败返回非0的错误码

（2）regexec:

1 2 3 4 5 6 7 8 9

int regexec(const regex_t *preg, const char *string, size_t nmatch, regmatch_t pmatch[], int eflags) 功能:用来检测字符串string是否匹配正则表达式preg 参数: preg, 输入参数，在(1)regcomp中编译好的正则表达式规则 string, 输入参数，用来被匹配的字符串 nmatch, 输入参数，用来指定pmatch参数所对应的数组的长度 pmatch, 输出参数，用来输出在string中匹配preg的具体位置 eflag, 输入参数，用来指定正则表达式匹配过程中的一些选项 返回值: 如果string匹配preg所指定的规则，则返回0， 否则返回非0

（3）regerror:

1 2 3 4 5 6 7

size_t regerror(int errcode, const regex_t *preg, char *errbuf, size_t errbuf_size) 功能:用来把在regcompt和regexec中产生的错误码转化成字符串形式的错误信息 参数: errcode, 输入参数，在regcomp或regexec调用中返回的错误码 preg, 输入参数，与错误码所对应的编译过的正则表达式结构 errbuf, 输出参数，用来返回错误信息的buffer，如果buffer不够所需大小，错误信息将被截断 errbuf_size, 输入参数，返回错误信息的buffer的大小 返回值: 如果errbuf_size为0，那么regerror返回错误信息所需要的buffer的大小

（4）regfree:

1 2 3 4

void regfree (regex_t *preg) 功能: 用来释放由regcomp编译时生成的preg结构所占用的内存 参数: preg, 输入参数，由regcomp编译时生成的正则表达的结构指针 返回值: 无

3. 使用GNU Regex Library的一些注意事项
（1）regcomp与regfree必须配对使用，要不然会造成内存泄漏（类比malloc/free, new/delete)
（2）regex_t结构：把字符串形式的正则表达式编译成regex_t这样的一个结构，方便后续的匹配工作
（3）regmatch_t结构：用来表示正则表达式中字符串中匹配的位置的结构，用起始位置的偏移量来表示的
（4）flags：用来配置匹配过程中的一些选项, 指定如何匹配，具体参见：http://www.opengroup.org/onlinepubs/007908799/xsh/regcomp.html
（5）使用该库需要包含的头文件：sys/types.h和regex .h

4. GNU Regex Library使用举例

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38

#include <sys /types.h> #include <regex .h> #include <stdio .h>   int main(int argc, char ** argv) { if (argc != 3) { printf("Usage: %s RegexString Text\n", argv[0]); return 1; }   const char * pRegexStr = argv[1]; const char * pText = argv[2];   regex_t oRegex; int nErrCode = 0; char szErrMsg[1024] = {0}; size_t unErrMsgLen = 0;   if ((nErrCode = regcomp(&oRegex, pRegexStr, 0)) == 0) { if ((nErrCode = regexec(&oRegex, pText, 0, NULL, 0)) == 0) { printf("%s matches %s\n", pText, pRegexStr); regfree(&oRegex); return 0; } }   unErrMsgLen = regerror(nErrCode, &oRegex, szErrMsg, sizeof(szErrMsg)); unErrMsgLen = unErrMsgLen < sizeof(szErrMsg) ? unErrMsgLen : sizeof(szErrMsg) - 1; szErrMsg[unErrMsgLen] = '\0'; printf("ErrMsg: %s\n", szErrMsg);   regfree(&oRegex); return 1; }

程序测试：

1 2 3 4 5

wuzesheng@wuzesheng-ubuntu:~/Program$ gcc TestRegex.c -o Regex wuzesheng@wuzesheng-ubuntu:~/Program$ ./Regex "http:\/\/www\..*\.com" "https://www.taobao.com" ErrMsg: No match wuzesheng@wuzesheng-ubuntu:~/Program$ ./Regex "http:\/\/www\..*\.com" "http://www.taobao.com" http://www.taobao.com matches http:\/\/www\..*\.com

以上即是关于GNU Regex Library的全部内容。如果读书者朋友有什么看法可以在下面给我留言。接下来几天，我会陆续介绍前面提到的其它几个库，今天先到这里。

http://www.wuzesheng.com/?p=929