http://dev.jizhiinfo.net/?post=49

1. PCRE简介

PCRE(Perl Compatible RegularExpressions即：perl语言兼容正则表达式)是一个用C语言编写的正则表达式函数库，由菲利普.海泽(Philip Hazel)编写。PCRE是一个轻量级的函数库，比Boost之中的正则表达式库小得多。PCRE十分易用，同时功能也很强大，性能超过了POSIX正则表达式库和一些经典的正则表达式库[1]。

和Boost正则表达式库的比较显示[2]，双方的性能相差无几，PCRE在匹配简单字符串时更快，Boost则在匹配较长字符串时胜出---但两者差距很小，考虑到PCRE的大小和易用性，我们可以认为PCRE更值得考虑。

PCRE被广泛使用在许多开源软件之中，最著名的莫过于ApacheHTTP服务器和PHP脚本语言、R脚本语言，此外，正如从其名字所能看到的，PCRE也是perl语言的缺省正则库。

PCRE是用C语言实现的，其C++实现版本是PCRE++。

2. 正则表达式定义

一个正则表达式就是由普通字符（例如字符 a 到 z）以及特殊字符（称为元字符）组成的文字模式。该模式描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。

例如下面一些正则表达式：

^(-?d+)(.d+)?$　 匹配浮点数

^[A-Za-z]+$ 匹配由26个英文字母组成的字符串

^[A-Z]+$　 匹配由26个英文字母的大写组成的字符串

^[a-z]+$　　 匹配由26个英文字母的小写组成的字符串

^[A-Za-z0-9]+$　　 匹配由数字和26个英文字母组成的字符串

^w+$　　 匹配由数字、26个英文字母或者下划线组成的字符串

^[w-]+(.[w-]+)*@[w-]+(.[w-]+)+$　　　　 匹配email地址

当然，可能你会问上面这些表达式为什么是这样写。这里就暂时不做多讲，因为本文主要讲的是PCRE库的应用，所以想了解更多的话，可以看我下面的[附录1]，里面有全部正则表式用到的元字符说明。或参考网址[3]正则表达式语言元素msdn文档。

3. PCRE正则表达式的定义

用于描述字符排列和匹配模式的一种语法规则。它主要用于字符串的模式分割、匹配、查找及替换操作。

正则中重要的几个概念有：元字符、转义、模式单元（重复）、反义、引用和断言。

常用的元字符(Meta-character)

元字符 说明

A匹配字符串串首的原子

Z匹配字符串串尾的原子

b匹配单词的边界/bis/匹配头为is的字符串/isb/匹配尾为is的字符串/bisb/定界

B匹配除单词边界之外的任意字符 /Bis/匹配单词“This”中的“is”

d匹配一个数字；等价于[0-9]

D匹配除数字以外任何一个字符；等价于[^0-9]

w匹配一个英文字母、数字或下划线；等价于[0-9a-zA-Z_]

W匹配除英文字母、数字和下划线以外任何一个字符；等价于[^0-9a-zA-Z_]

s匹配一个空白字符；等价于[ftv]

S匹配除空白字符以外任何一个字符；等价于[^ftv]

f匹配一个换页符等价于x0c或cL

匹配一个换行符；等价于x0a或cJ

匹配一个回车符等价于x0d或cM

t匹配一个制表符；等价于x09或cl

v匹配一个垂直制表符；等价于x0b或ck

oNN 匹配一个八进制数字

xNN 匹配一个十六进制数字

cC 匹配一个控制字符

模式修正符（PatternModifiers）

模式修正符在忽略大小写、匹配多行中使用特别多，掌握了这一个修正符，往往能解决我们遇到的很多问题。

i－可同时匹配大小写字母

M－将字符串视为多行

S－将字符串视为单行，换行符做普通字符看待，使“.”匹配任何字符

X－模式中的空白忽略不计

U－匹配到最近的字符串

e－将替换的字符串作为表达使用

格式：/apple/i匹配“apple”或“Apple”等，忽略大小写。

当然这里还有很多种情况，在这里就不一一描述出来了。

4. PCRE的函数简介

PCRE是一个NFA正则引擎，不然不能提供完全与Perl一致的正则语法功能。但它同时也实现了DFA，只是满足数学意义上的正则。

PCRE提供了19个接口函数。

这里只介绍了几个主要和常用的接口函数，另外的可通过PCRE源码文档进行了解。注意，使用PCRE主要是使用下面介绍的前四个函数，对这四个函数有了了解，使用PCRE库的时候就会简单很多了。

下面所讲的函数，都在PCRE头文件上定义申明：#include <pcre.h>。

1.pcre_compile

函数原型：

pcre *pcre_compile(const char *pattern,intoptions,const char **errptr,int *erroffset,const unsigned char *tableptr)

功能：将一个正则表达式编译成一个内部表示，在匹配多个字符串时，可以加速匹配。其同pcre_compile2功能一样只是缺少一个参数errorcodeptr。

参数说明：

pattern正则表达式

options为0，或者其他参数选项

errptr出错消息

erroffset出错位置

tableptr指向一个字符数组的指针，可以设置为空NULL。

2. pcre_compile2

函数原型：

pcre *pcre_compile2(const char *pattern,int options,int *errorcodeptr,const unsigned char*tableptr)

功能：将一个正则表达式编译成一个内部表示，在匹配多个字符串时，可以加速匹配。其同pcre_compile功能一样只是多一个参数errorcodeptr。

参数：

pattern 正则表达式

options 为0，或者其他参数选项

errorcodeptr存放出错码

errptr 出错消息

erroffset出错位置

tableptr 指向一个字符数组的指针，可以设置为空NULL。

3. pcre_exec

函数原型：

int pcre_exec(const pcre *code,const pcre_extra*extra,const char *subject,int length,int startoffset,int*ovector,int ovecsize)

功能：使用编译好的模式进行匹配，采用与Perl相似的算法，返回匹配串的偏移位置。

参数：

code编译好的模式

extra指向一个pcre_extra结构体，可以为NULL

subject需要匹配的字符串

length匹配的字符串长度（Byte）

startoffset匹配的开始位置

options选项位

ovector指向一个结果的整型数组

ovecsize 数组大小。

4．pcre_study

函数原型：

pcre_extra *pcre_study(const pcre *code,const char **errptr)

功能：对编译的模式进行学习，提取可以加速匹配过程的信息。

参数：

code已编译的模式

options选项

errptr 出错消息

5. pcre_version

函数原型：

char *pcre_version(void)

功能：返回PCRE的版本信息。

参数：无。

6. pcre_config

函数原型：

int pcre_config(int what,void *where)

功能：查询当前PCRE版本中使用的选项信息。

参数：

what 选项名

where存储结果的位置

7．pcre_maketables

函数原型：

const unsigned char *pcre_maketables(void)

功能：生成一个字符表，表中每一个元素的值不大于256，可以用它传给pcre_compile()替换掉内建的字符表。

参数：无

5. 使用PCRE在C语言中实现正则表达式的解析

上述讲了这么多PCRE相关函数的介绍，目的还是为了能够运用上，所以这里就先讲解下使用PCRE的过程。主要过程分三步走第一步编译正则表达式；第二匹配正则表达式；第三步释放正则表达式。

1．编译正则表达式

为了提高效率，在将一个字符串与正则表达式进行比较之前，首先要用pcre_compile() /pcre_compile2() 函数对它时行编译，转化成PCRE引擎能够识别的结构（struct real_pcre）。

这里还可以调用pcre_study()函数，对编译后的正则表达式结构（struct real_pcre）时行分析和学习，学习的结果是一个数据结构（struc pcre_extra），这个数据结构连同编译后的规则（struct real_pcre）可以一起送给pcre_exec单元进行匹配。

2.匹配正则表达式

一旦用函数pcre_compile() /pcre_compile2()成功地编译了正则表达式，接下来就可以调用pcre_exec（）函数完成模式匹配。根据正则表达式到指定的字符串中进行查找和匹配,并输出匹配的结果。

3. 释放正则表达式

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

6. PCRE函数在C语言中的使用小例子

在使用PCRE库时，首先肯定是需要安装pcre的，不过一般的系统都会有自带的PCRE库。不过如果想使用最新版本的话，也可以自已下载一个安装包。我这里下载的安装是pcre-8.13.tar.gz版本。安装过程很简单，把安装包上传需要安装的服务器上，安装时默认路径即可，我是在linux环境下安装的，执行命令如下：

1.[root@host70-151 pcre-8.13]# ./configure

2.[root@host70-151 pcre-8.13]# make && make install

此两步即可安装完成，安装成功后的头文件在：/usr/local/include,库文件在:/usr/local/lib 。

下面是我的一个使用PCRE库函数的一个小例子，其功能是匹配手机号码的正则表达式是否成功，分成四类手机号码时行匹配，分别是移动、电信、联通和CDMA的手机号。里面用到了PCRE库函数中的pcre_compile()和pcre_exec()：

因为我是在linux下编译C程序的，所以要用到makefile文件。注意：如果你在编译时出现提示：

/usr/zej/zej_test/kernel/pcre_test2.c:29: undefinedreference to `pcre_compile'

/usr/zej/zej_test/kernel/pcre_test2.c:35: undefinedreference to `pcre_exec'

没有定义pcre.h文件里面的函数时，是因为没有链接到库文件里，这时可以能过修改makefile，在l里面添加一个lpcre即可。然后在编译便可成功。

1. #include <stdio.h>
2. #include <stdlib.h>
3. #include <string.h>
4. #include <pcre.h>
5. 
   
6. #define OVECCOUNT 30 /* should be a multiple of 3 */
7. #define EBUFLEN 128
8. #define BUFLEN 1024
9. 
   
10. int main()
11. {
12. pcre *reCM,*reUN,*reTC,*reCDMA;
13. const char *error;
14. int erroffset;
15. int ovector[OVECCOUNT];
16. int rcCM,rcUN,rcTC,rcCDMA,i;
17. /*
18. 常用号段前三位
19. 中国移动CM：134.135.136.137.138.139.150.151.152.157.158.159.187.188,147(数据卡)
20. 中国联通UN：130.131.132.155.156.185.186
21. 中国电信TC：133.153.180.189
22. CDMA ：133,153
23. */
24. char src[22];
25. char pattern_CM[] = "^1(3[4-9]|5[012789]|8[78])d{8}$"; //正则表达式
26. char pattern_UN[] = "^1(3[0-2]|5[56]|8[56])d{8}$";
27. char pattern_TC[] = "^18[09]d{8}$";
28. char pattern_CDMA[] = "^1[35]3d{8}$";
30. printf("Please input your telephone number n");
31. scanf("%s",src);
32. printf("String : %sn",src);
33. printf("Pattern_CM: "%s"n",pattern_CM);
34. printf("Pattern_UN: "%s"n",pattern_UN);
35. printf("Pattern_TC: "%s"n",pattern_TC);
36. printf("Pattern_CDMA: "%s"n",pattern_CDMA);
38. reCM = pcre_compile(pattern_CM,&error,&erroffset,NULL); //将正则表达式编译成pcre内部表示结构
39. reUN = pcre_compile(pattern_UN,NULL);
40. reTC = pcre_compile(pattern_TC,NULL);
41. reCDMA = pcre_compile(pattern_CDMA,NULL);
43. if (reCM==NULL && reUN==NULL && reTC==NULL && reCDMA==NULL) {
44. printf("PCRE compilation telephone failed at offset %d: %sn",erroffset,error);
45. return 1;
46. }
47. 
    
48. rcCM = pcre_exec(reCM,NULL,src,strlen(src),ovector,OVECCOUNT); //匹配pcre编译好的模式，成功返回正数，失败返回负数
49. rcUN = pcre_exec(reUN,OVECCOUNT);
50. rcTC = pcre_exec(reTC,OVECCOUNT);
51. rcCDMA = pcre_exec(reCDMA,OVECCOUNT);
53. if (rcCM<0 && rcUN<0 && rcTC<0 && rcCDMA<0) { //若没匹配返回错误信息
54. if (rcCM==PCRE_ERROR_NOMATCH && rcUN==PCRE_ERROR_NOMATCH &&
55. rcTC==PCRE_ERROR_NOMATCH && rcTC==PCRE_ERROR_NOMATCH) {
56. printf("Sorry,no match ...n");
57. }
58. else {
59. printf("Matching error %dn",rcCM);
60. printf("Matching error %dn",rcUN);
61. printf("Matching error %dn",rcTC);
62. printf("Matching error %dn",rcCDMA);
63. }
65. free(reCM);
66. free(reUN);
67. free(reTC);
68. free(reCDMA);
70. return 1;
71. }
72. 
    
73. printf("nOK,has matched ...nn"); //匹配成功把对应的正则表达式和号码打印出来
74. 
    
75. if (rcCM > 0) {
76. printf("Pattern_CM: "%s"n",pattern_CM);
77. printf("String : %sn",src);
78. }
79. 
    
80. if (rcUN > 0) {
81. printf("Pattern_UN: "%s"n",pattern_UN);
82. printf("String : %sn",src);
83. }
84. 
    
85. if (rcTC > 0) {
86. printf("Pattern_TC: "%s"n",pattern_TC);
87. printf("String : %sn",src);
88. }
90. if (rcCDMA > 0) {
91. printf("Pattern_CDMA: "%s"n",pattern_CDMA);
92. printf("String : %sn",src);
93. }
94. 
    
95. free(reCM); //释放内存
96. free(reUN);
97. free(reTC);
98. free(reCDMA);
100. return 0;
101. }

下面是编译通过后，运行程序后的结果：

按照提示输入手机号：13591995735（移动手机号）

随便输入一个号码：7459812

输入联通手机号码：13006666039

输入电信手机号码：18900000036

[1]：一些正则表达库的对比

http://www.regular-expressions.info/refflavors.html

[2]：Boost和PCRE正则库的性能对比

http://www.boost.org/doc/libs/1_40_0/libs/regex/doc/gcc-performance.html

[3]：正则表达式语言元素

http://msdn.microsoft.com/zh-cn/library/az24scfc.aspx

附录1：

元字符及其在正则表达式上下文中的行为的一个完整列表：

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!