1. PCRE简介
2.正则表达式定义
3. PCRE正则表达式的定义
4. PCRE的函数简介
5.使用PCRE在C语言中实现正则表达式的解析
6. PCRE函数在C语言中的使用小例子
1. PCRE简介
PCRE(Perl Compatible Regular Expressions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Apache HTTP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（Pattern Modifiers）
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。.h>
1.pcre_compile
函数原型：
pcre *pcre_compile(const char *pattern,int options,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 *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:undefined reference to `pcre_compile'
/usr/zej/zej_test/kernel/pcre_test2.c:35:undefined reference 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。
点击(此处)折叠或打开
#include<stdio.h>
#include<stdlib>
#include<sys/mman<fcntl<string<unistd/types/wait/stat/ipc/shm<assert/socket<netinet/in>
#include"pcre.h"
#include<iostream>
using namespace std;
#define OVECCOUNT 30*should be a multiple of 3*/
#define EBUFLEN 128
#define BUFLEN 1024
intmain()
{
pcre*reCM,*reUN*reTC*reCDMA;
constcharerror;
interroffsetintovector[OVECCOUNT]intrcCMrcTCi;
*
yidong:134.135.136.137.138.139.150.151.152.157.158.159.187.188:130.131.132.155.156.185.186
dianxin:133.153.180.189
CDMA/
char src[22;
char pattern_CM[="^1(3[4-9]|5[012789]|8[78])d{8}$";
char pattern_UN"^1(3[0-2]|5[56]|8[56])d{8}$";
char pattern_TC"^18[09]d{8}$";
char pattern_CDMA"^1[35]3d{8}$";
printf("please input your telephone number n");
scanf"%s";
printf"String : %sn""Pattern_CM: "%s"n""Pattern_UN: ""Pattern_TC: ""Pattern_CDMA: ";
reCM=pcre_compile(pattern_CM&&erroffsetNULL;
reUN(pattern_UN;
reTC(pattern_TC;
reCDMA(pattern_CDMAif(reCM=&reUN&reTC&reCDMA{
printf"PCRE compilation telephone failed at offset %d: %sn";
return 1}
rcCM=pcre_exec(srcOVECCOUNT;
rcUN(reUN;
rcTC(reTC;
rcCDMA(reCDMA(rcCM<0&rcUN&rcTC&rcCDMA{
=PCRE_ERROR_NOMATCH&
rcTC"Sorry,no match ...n"}
else"Matching error %dn"}
free;
free}
printf"nOK,has matched ...nn">0(rcUN(rcTC(rcCDMA;
return 0}
点击(此处)折叠或打开
"pcre.h"
#include>
using namespace std*reintrc;
char buffer[128;
memset(buffer'0;
char src"";
char pattern"Pattern: ";
re(pattern(re"PCRE compilation failed at offset %d: %sn"}
rc(rc)printfelseprintf}
printffor(i=0;i<rc+{
char*substring_start=src+ovector[2*iintsubstring_length=ovector+1-ovector"%2d: %.*sn"substring_start}
free}
[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：
字符 |
描述 |
|
将下一个字符标记为一个特殊字符、或一个原义字符、或一个 后向引用、或一个八进制转义符。例如，'n'匹配字符"n"。'n'匹配一个换行符。序列''匹配""而"("则匹配"("。 |
^ |
匹配输入字符串的开始位置。如果设置了RegExp对象的Multiline属性，^也匹配'n'或'r'之后的位置。 |
$ |
匹配输入字符串的结束位置。如果设置了RegExp对象的Multiline属性，$也匹配'n'或'r'之前的位置。 |
* |
匹配前面的子表达式零次或多次。例如，zo*能匹配"z"以及"zoo"。*等价于{0,}。 |
+ |
匹配前面的子表达式一次或多次。例如，'zo+'能匹配"zo"以及"zoo"，但不能匹配"z"。+等价于{1,}。 |
? |
匹配前面的子表达式零次或一次。例如，"do(es)?"可以匹配"do"或"does"中的"do"。?等价于{0,1}。 |
{n} |
n是一个非负整数。匹配确定的n次。例如，'o{2}'不能匹配"Bob"中的'o'，但是能匹配"food"中的两个o。 |
{n,} |
n是一个非负整数。至少匹配n次。例如，'o{2,}'不能匹配"Bob"中的'o'，但能匹配"foooood"中的所有o。'o{1,}'等价于'o+'。'o{0,}'则等价于'o*'。 |
{n,m} |
m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。刘，"o{1,3}"将匹配"fooooood"中的前三个o。'o{0,1}'等价于'o?'。请注意在逗号和两个数之间不能有空格。 |
? |
当该字符紧跟在任何一个其他限制符(*,+,?,{n},{n,},m})后面时，匹配模式是非贪婪的。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。例如，对于字符串"oooo"，'o+?'将匹配单个"o"，而'o+'将匹配所有'o'。 |
. |
匹配除"n"之外的任何单个字符。要匹配包括'n'在内的任何字符，请使用象'[.n]'的模式。 |
(pattern) |
匹配pattern并获取这一匹配。所获取的匹配可以从产生的Matches集合得到，在VBScript中使用SubMatches集合，在Visual Basic Scripting Edition中则使用$0…$9属性。要匹配圆括号字符，请使用'('或')'。 |
(?:pattern) |
匹配pattern但不获取匹配结果，也就是说这是一个非获取匹配，不进行存储供以后使用。这在使用"或"字符(|)来组合一个模式的各个部分是很有用。例如，'industr(?:y|ies)就是一个比'industry|industries'更简略的表达式。 |
(?=pattern) |
正向预查，在任何匹配pattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如，'Windows (?=95|98|NT|2000)'能匹配"Windows 2000"中的"Windows"，但不能匹配"Windows 3.1"中的"Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。 |
(?!pattern) |
负向预查，在任何不匹配Negative lookahead matches the search string at any point where a string not matchingpattern的字符串开始处匹配查找字符串。这是一个非获取匹配，也就是说，该匹配不需要获取供以后使用。例如'Windows (?!95|98|NT|2000)'能匹配"Windows 3.1"中的"Windows"，但不能匹配"Windows 2000"中的"Windows"。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始 |
x|y |
匹配x或y。例如，'z|food'能匹配"z"或"food"。'(z|f)ood'则匹配"zood"或"food"。 |
[xyz] |
字符集合。匹配所包含的任意一个字符。例如，'[abc]'可以匹配"plain"中的'a'。 |
[^xyz] |
负值字符集合。匹配未包含的任意字符。例如，'[^abc]'可以匹配"plain"中的'p'。 |
[a-z] |
字符范围。匹配指定范围内的任意字符。例如，'[a-z]'可以匹配'a'到'z'范围内的任意小写字母字符。 |
[^a-z] |
负值字符范围。匹配任何不在指定范围内的任意字符。例如，'[^a-z]'可以匹配任何不在'a'到'z'范围内的任意字符。 |
b |
匹配一个单词边界，也就是指单词和空格间的位置。例如，'erb'可以匹配"never"中的'er'，但不能匹配"verb"中的'er'。 |
B |
匹配非单词边界。'erB'能匹配"verb"中的'er'，但不能匹配"never"中的'er'。 |
cx |
匹配由x指明的控制字符。例如，cM匹配一个Control-M或回车符。x的值必须为A-Z或a-z之一。否则，将c视为一个原义的'c'字符。 |
d |
匹配一个数字字符。等价于[0-9]。 |
D |
匹配一个非数字字符。等价于[^0-9]。 |
f |
匹配一个换页符。等价于x0c和cL。 |
n |
匹配一个换行符。等价于x0a和cJ。 |
r |
匹配一个回车符。等价于x0d和cM。 |
s |
匹配任何空白字符，包括空格、制表符、换页符等等。等价于[fnrtv]。 |
S |
匹配任何非空白字符。等价于[^fnrtv]。 |
t |
匹配一个制表符。等价于x09和cI。 |
v |
匹配一个垂直制表符。等价于x0b和cK。 |
w |
匹配包括下划线的任何单词字符。等价于'[A-Za-z0-9_]'。 |
W |
匹配任何非单词字符。等价于'[^A-Za-z0-9_]'。 |
xn |
匹配n，其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，'x41'匹配"A"。'x041'则等价于'x04' & "1"。正则表达式中可以使用ASCII编码。. |
num |
匹配num，其中num是一个正整数。对所获取的匹配的引用。例如，'(.)1'匹配两个连续的相同字符。 |
n |
标识一个八进制转义值或一个后向引用。如果n之前至少n个获取的子表达式，则n为后向引用。否则，如果n为八进制数字(0-7)，则n为一个八进制转义值。 |
nm |
标识一个八进制转义值或一个后向引用。如果nm之前至少有is preceded by at leastnm个获取得子表达式，则nm为后向引用。如果nm之前至少有n个获取，则n为一个后跟文字m的后向引用。如果前面的条件都不满足，若n和m均为八进制数字(0-7)，则nm将匹配八进制转义值nm。 |
nml |
如果n为八进制数字(0-3)，且m和l均为八进制数字(0-7)，则匹配八进制转义值nml。 |
un |
匹配n，其中n是一个用四个十六进制数字表示的Unicode字符。例如，u00A9匹配版权符号(?)。 |
（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!
|
