C语言正则表达式详解 regcomp() regexec() regfree()详解
发布时间：2020-12-13 22:09:57 所属栏目：百科 来源：网络整理
导读：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()、regf
|
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，如下所示：
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。通常我们以数组的形式定义一组这样的结构。因为往往我们的正则表达式中还包含子正则表达式。数组0单元存放主正则表达式位置，后边的单元依次存放子正则表达式位置。 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); 下边是一个匹配Email例子，按照上面的三步就可以。 下面的程序负责从命令行获取正则表达式，然后将其运用于从标准输入得到的每行数据，并打印出匹配结果。 #include <stdio.h> #include <sys/types.h> #include <regex.h> /* 取子串的函数 */ static char* substr(const char*str,unsigned start,unsigned end) { unsigned n = end - start; static char stbuf[256]; strncpy(stbuf,str + start,n); stbuf[n] = 0; return stbuf; } /* 主程序 */ int main(int argc,char** argv) { char * pattern; int x,z,lno = 0,cflags = 0; char ebuf[128],lbuf[256]; regex_t reg; regmatch_t pm[10]; const size_t nmatch = 10; /* 编译正则表达式*/ pattern = argv[1]; z = regcomp(?,pattern,cflags); if (z != 0){ regerror(z,?,ebuf,sizeof(ebuf)); fprintf(stderr,"%s: pattern '%s' n",pattern); return 1; } /* 逐行处理输入的数据 */ while(fgets(lbuf,sizeof(lbuf),stdin)) { ++lno; if ((z = strlen(lbuf)) > 0 && lbuf[z-1] == 'n') lbuf[z - 1] = 0; /* 对每一行应用正则表达式进行匹配 */ z = regexec(?,lbuf,nmatch,pm,0); if (z == REG_NOMATCH) continue; else if (z != 0) { regerror(z,"%s: regcom('%s')n",lbuf); return 2; } /* 输出处理结果 */ for (x = 0; x < nmatch && pm[x].rm_so != -1; ++ x) { if (!x) printf("%04d: %sn",lno,lbuf); printf(" $%d='%s'n",x,substr(lbuf,pm[x].rm_so,pm[x].rm_eo)); } } /* 释放正则表达式 */ regfree(?); return 0; } 执行下面的命令可以编译并执行该程序： # gcc regexp.c -o regexp # ./regexp 'regex[a-z]*' < regexp.c 0003: #include <regex.h> $0='regex' 0027: regex_t reg; $0='regex' 0054: z = regexec(?,0); $0='regexec' （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! |