GNU C 规则表达式入门

GNU C 规则表达式入门

用过Perl的朋友应该都它提供了规则表达式功能，所以使得用perl 进行文本处理非常方便。本人最近试用了一下GNU C 的规则表达式功能，发现使用起来也很简单，只是觉得支持的不够强大，不能够进行文本的替换，只能进行文本的查找，至少目前我是没有发现基于规则表达式的文本替换功能。

下面我就简单的介绍一下GNU C 的规则表达式使用方法，有理解不对的地方，还请朋友们多指正。

在GNU C 中要使用规则表达式，需要用到以下几个函数。（定义在/usr/include/regex.h文件中）
* int regcomp (regex_t *compiled, const char *pattern, int cflags)
* int regexec (regex_t *compiled, char *string, size_t nmatch, regmatch_t matchptr [], int eflags)
* void regfree (regex_t *compiled)
* size_t regerror (int errcode, regex_t *compiled, char *buffer, size_t length)

下面我就介绍分别一下这几个函数和它用到的一些数据类型。

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

这个函数把指定的规则表达式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。

regex_t 是一个结构体数据类型，用来存放编译后的规则表达式，它的成员re_nsub 用来存储规则表达式中的子规则表达式的个数，子规则表达式就是用圆括号包起来的部分表达式。

pattern 是指向我们写好的规则表达式的指针。
cflags 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规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)

当我们编译好规则表达式后，就可以用regexec 匹配我们的目标文本串了，如果在编译规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，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。因为往往我们的规则表达式中还包含子规则表达式。数组0单元存放主规则表达式位置，后边的单元依次存放子规则表达式位置。

compiled 是已经用regcomp函数编译好的规则表达式。
string 是目标文本串。
nmatch 是regmatch_t结构体数组的长度。
matchptr regmatch_t类型的结构体数组，存放匹配文本串的位置信息。
eflags 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， 原文如下：
If this bit is set, then the beginning-of-line operator doesn't match the beginning of the string (presumably because it's not the beginning of a line).If not set, then the beginning-of-line operator does match the beginning of the string.
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规则表达式后，或者要重新编译其他规则表达式的时候，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。

errcode 是由regcomp 和 regexec 函数返回的错误代号。
compiled 是已经用regcomp函数编译好的规则表达式，这个值可以为NULL。
buffer 指向用来存放错误信息的字符串的内存空间。
length 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);

好了，下面来实战一下，这样你就会理解的更清楚了。
---------------------------------------------------------------

/* regex_test.c
* regular expression test in GNU C
*
* tested on redhat6.1
* gcc regex_test.c -o regex_test
*/

#include <stdio.h>
#include <string.h>
#include <sys/types.h>
#include <stdlib.h>
#include <regex.h>

#define SUBSLEN 10
#define EBUFLEN 128 /* error buffer length */
#define BUFLEN 1024 /* matched buffer length */

int
main (int argc, char **argv)
{
FILE *fp;
size_t len; /* store error message length */
regex_t re; /* store compilned regular expression */
regmatch_t subs[SUBSLEN]; /* store matched string position */
char matched[BUFLEN]; /* store matched strings */
char errbuf[EBUFLEN]; /* store error message */
int err, i;

char string[] = "AAAAabaaababAbAbCdCd123123 11(123){12}";
char pattern[] = "(//([0-9]+//))(//{[0-9]+//}{1})$";

printf ("String : %s/n", string);
printf ("Pattern: /"%s/"/n", pattern);

/* compile regular expression */
err = regcomp (&re, pattern, REG_EXTENDED);

if (err)
{
len = regerror (err, &re, errbuf, sizeof (errbuf));
fprintf (stderr, "error: regcomp: %s/n", errbuf);
exit (1);
}
printf ("Total has subexpression: %d/n", re.re_nsub);

/* execute pattern match */
err = regexec (&re, string, (size_t)SUBSLEN, subs, 0);

if (err == REG_NOMATCH)
{
fprintf (stderr, "Sorry, no match .../n");
regfree (&re);
exit (0);
}
else if (err)
{
len = regerror (err, &re, errbuf, sizeof (errbuf));
fprintf (stderr, "error: regexec: %s/n", errbuf);
exit (1);
}

/* if no REG_NOMATCH and no error, then pattern matched */
printf ("/nOK, has matched .../n/n");
for (i = 0; i <= re.re_nsub; i++)
{
if (i == 0)
{
printf ("begin: %d, end: %d, ",
subs.rm_so, subs.rm_eo);
}
else
{
printf ("subexpression %d begin: %d, end: %d, ",
i, subs.rm_so, subs.rm_eo);
}
len = subs.rm_eo - subs.rm_so;
memcpy (matched, string + subs.rm_so, len);
matched[len] = '/0';
printf ("match: %s/n", matched);
}

regfree(&re);
exit(0);
}

---------------------------------------------------------------
全文完，以上有什么不对的地方请来信指正。email: atong@sina.com

 

来自：http://www.linuxforum.net/forum/showthreaded.php?Cat=&Board=program&Number=104637&Search=true&Forum=All_Forums&Words=GNU%20C%20%B9%E6%D4%F2%B1%ED%B4%EF%CA%BD%C8%EB%C3%C5&Match=Entire%20Phrase&Searchpage=0&Limit=25&Old=allposts&Main=104637