C语言正则表达式详解 regcomp() regexec() regfree()详解

发布时间：2020-12-13 22:11:38 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：

C语言中使用正则表达式一般分为三步：

编译正则表达式 regcomp()
匹配正则表达式 regexec()
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。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。小结：对那些需要进行复杂数据处理的程序来说，正则表达式无疑是一个非常有用的工具。本文重点在于阐述如何在C语言中利用正则表达式来简化字符串处理，以便在数据处理方面能够获得与Perl语言类似的灵活性。

据说一个好的程序员是会使用DB和Regular Expression的程序员，可见两者是多么重要。正则表达式是能极大地提高工作效率的工具，使用过Linux下各种具备RE特性的工具的人一定对此深有感触。很多语言都支持RE，用的最多的当然是脚本，其中以perl最盛。不过，用C语言来用RE不是很多见，但是有时候也很有用，我最近也是看到别人说道这个，所以搜了一些资料加上自己的体会来说一说RE在C语言里的应用。C语言本身不具备RE特性，但是有很多库，在Linux下你可以很方便的使用regex.h提供的库。我先贴一段代码展示一下RE在C语言里是怎么用的

1 #include<stdio.h> 2 #include<sys/types.h> 3 #include<regex.h> 4 #include<memory.h> 5 #include<stdlib.h> 6 7 int main(){ 8 9 char *bematch = "hhhericchd@gmail.com"; 10 char *pattern = "h{3,10}(.*)@.{5}.(.*)"; 11 char errbuf[1024]; 12 char match[100]; 13 regex_t reg; 14 int err,nm = 10; 15 regmatch_t pmatch[nm]; 16 17 if(regcomp(&reg,pattern,REG_EXTENDED) < 0){ 18 regerror(err,&reg,errbuf,sizeof(errbuf)); 19 printf("err:%sn",errbuf); 20 } 21 22 err = regexec(&reg,bematch,nm,pmatch,0); 23 24 if(err == REG_NOMATCH){ 25 printf("no matchn"); 26 exit(-1); 27 }else if(err){ 28 regerror(err,sizeof(errbuf)); 29 printf("err:%sn",errbuf); 30 exit(-1); 31 } 32 33 for(int i=0;i<10 && pmatch[i].rm_so!=-1;i++){ 34 int len = pmatch[i].rm_eo-pmatch[i].rm_so; 35 if(len){ 36 memset(match,'',sizeof(match)); 37 memcpy(match,bematch+pmatch[i].rm_so,len); 38 printf("%sn",match); 39 } 40 } 41 return 0; 42 }

我打算看看一个邮件地址是否匹配我所提供的pattern。这个邮件地址是
hhhericchd@gmail.com patern为

"h{3,10}(.*)@.{5}.(.*)"
 我们希望匹配一个以3个h字符接着为任意字符串（可以为空）直到遇到一个@，然后接5个任意的字符和一个.号，最后再接一个字符串（可以为空），我们运行得到的结果是
 hhhericchd@gmail.com
 ericchd
 com
 我们发现，这个邮件地址被匹配了，第一行输出了，第二行和第三行分别输出的是我们希望得到的匹配的一部分，也就是在pattern中用括号括起来的部分。在这里我们还发现，在C语言里使用RE表达式的时候和通常的UNIX一般的RE表达式有区别：
 第一、{}和()需要改成{}和(),因为在C语言反斜杠是转移字符用的
 第二、.不需要转义，不想UNIX的RE那样需要.，但是?和*我没有找到该怎么用
 下面贴上对以上所用函数的一些解释

regex的使用
需要用到以下几个函数。（定义在/usr/include/regex.h文件中）
intregcomp(regex_t*compiled,constchar*pattern,intcflags)intregexec(regex_t*compiled,char*string,size_tnmatch,regmatch_tmatchptr[],inteflags)
voidregfree(regex_t*compiled)
size_tregerror(interrcode,regex_t*compiled,char*buffer,size_tlength)
1.intregcomp(regex_t*compiled,intcflags)

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.intregexec(regex_t*compiled,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。
matchptrregmatch_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：
Ifthisbitisset,thenthebeginning-of-lineoperatordoesn'tmatchthebeginningofthe
string(presumably becauseit'snotthebeginningofaline).Ifnotset,thenthebeginning-of-lineoperator
doesmatchthebeginning ofthestring.
REG_NOTEOL和上边那个作用差不多，不过这个指定结束endofline。

3.voidregfree(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_tregerror(interrcode,size_tlength)

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_tlength=regerror(errcode,0);

regex虽然简单易用，但对正则表达式的支持不够强大，中文处理也有问题（经过试验可以引用vi的一些正则表达式编写例子），PCRE是另一个选择PCRE（http://www.pcre.org）
还有一份不错的资料http://midatl.radford.edu/docs/C/Pattern-Matching.html#Pattern-Matching

C语言中是转义，所以要在明文字符串中包含，应该使用，所以.在C语言里应为.，如果只用.，则匹配任意字符，而不是匹配.符

（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!