C语言使用正则表达式
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
hhhericchd@gmail.com patern为
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[],int eflags) 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,compiled,NULL,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 (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! |