標準的C和C++都不支持正則表達式,,但有一些函數(shù)庫可以輔助C/C++程序員完成這一功能,,其中最著名的當數(shù)Philip Hazel的Perl-Compatible Regular Expression庫,許多Linux發(fā)行版本都帶有這個函數(shù)庫,。
C語言處理正則表達式常用的函數(shù)有
regcomp(),、
regexec()、
regfree()和
regerror(),,
一般分為三個步驟,,如下所示:
C語言中使用正則表達式一般分為三步:
1. 編譯正則表達式 regcomp()
2. 匹配正則表達式 regexec()
3. 釋放正則表達式 regfree()
下邊是對三個函數(shù)的詳細解釋1、int regcomp (regex_t *compiled, const char *pattern, int cflags) 這個函數(shù)把指定的正則表達式pattern編譯成一種特定的數(shù)據(jù)格式compiled,,這樣可以使匹配更有效,。函數(shù)regexec 會使用這個數(shù)據(jù)在目標文本串中進行模式匹配,。執(zhí)行成功返回0。
參數(shù)說明: ①regex_t 是一個結(jié)構(gòu)體數(shù)據(jù)類型,,用來存放編譯后的正則表達式,,它的成員re_nsub 用來存儲正則表達式中的子正則表達式的個數(shù),子正則表達式就是用圓括號包起來的部分表達式,。 ②pattern 是指向我們寫好的正則表達式的指針,。 ③cflags 有如下4個值或者是它們或運算(|)后的值: REG_EXTENDED 以功能更加強大的擴展正則表達式的方式進行匹配。 REG_ICASE 匹配字母時忽略大小寫,。 REG_NOSUB 不用存儲匹配后的結(jié)果,。 REG_NEWLINE 識別換行符,這樣'$'就可以從行尾開始匹配,,'^'就可以從行的開頭開始匹配,。
2. int regexec (regex_t *compiled, char *string, size_t nmatch, regmatch_t matchptr [], int eflags) 當我們編譯好正則表達式后,就可以用regexec 匹配我們的目標文本串了,,如果在編譯正則表達式的時候沒有指定cflags的參數(shù)為REG_NEWLINE,,則默認情況下是忽略換行符的,也就是把整個文本串當作一個字符串處理,。執(zhí)行成功返回0,。 regmatch_t 是一個結(jié)構(gòu)體數(shù)據(jù)類型,在regex.h中定義: typedef struct { regoff_t rm_so; regoff_t rm_eo; } regmatch_t; 成員rm_so 存放匹配文本串在目標串中的開始位置,,rm_eo 存放結(jié)束位置,。通常我們以數(shù)組的形式定義一組這樣的結(jié)構(gòu)。因為往往我們的正則表達式中還包含子正則表達式,。數(shù)組0單元存放主正則表達式位置,,后邊的單元依次存放子正則表達式位置。
參數(shù)說明: ①compiled 是已經(jīng)用regcomp函數(shù)編譯好的正則表達式,。 ②string 是目標文本串,。 ③nmatch 是regmatch_t結(jié)構(gòu)體數(shù)組的長度。 ④matchptr regmatch_t類型的結(jié)構(gòu)體數(shù)組,,存放匹配文本串的位置信息,。 ⑤eflags 有兩個值 REG_NOTBOL 按我的理解是如果指定了這個值,那么'^'就不會從我們的目標串開始匹配,??傊业浆F(xiàn)在還不是很明白這個參數(shù)的意義; REG_NOTEOL 和上邊那個作用差不多,,不過這個指定結(jié)束end of line,。
3. void regfree (regex_t *compiled) 當我們使用完編譯好的正則表達式后,或者要重新編譯其他正則表達式的時候,,我們可以用這個函數(shù)清空compiled指向的regex_t結(jié)構(gòu)體的內(nèi)容,,請記住,,如果是重新編譯的話,一定要先清空regex_t結(jié)構(gòu)體,。
4. size_t regerror (int errcode, regex_t *compiled, char *buffer, size_t length) 當執(zhí)行regcomp 或者regexec 產(chǎn)生錯誤的時候,,就可以調(diào)用這個函數(shù)而返回一個包含錯誤信息的字符串。
參數(shù)說明: ①errcode 是由regcomp 和 regexec 函數(shù)返回的錯誤代號,。 ②compiled 是已經(jīng)用regcomp函數(shù)編譯好的正則表達式,這個值可以為NULL,。 ③buffer 指向用來存放錯誤信息的字符串的內(nèi)存空間,。 ④length 指明buffer的長度,如果這個錯誤信息的長度大于這個值,,則regerror 函數(shù)會自動截斷超出的字符串,,但他仍然會返回完整的字符串的長度。所以我們可以用如下的方法先得到錯誤字符串的長度,。
size_t length = regerror (errcode, compiled, NULL, 0);
下邊是一個匹配Email例子,,按照上面的三步就可以。
下面的程序負責(zé)從命令行獲取正則表達式,,然后將其運用于從標準輸入得到的每行數(shù)據(jù),,并打印出匹配結(jié)果。 #include <stdio.h> #include <sys/types.h> #include <regex.h>
/* 取子串的函數(shù) */ 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; /* 編譯正則表達式*/ pattern = argv[1]; z = regcomp(?, pattern, cflags); if (z != 0){ regerror(z, ?, ebuf, sizeof(ebuf)); fprintf(stderr, "%s: pattern '%s' \n",ebuf, pattern); return 1; } /* 逐行處理輸入的數(shù)據(jù) */ while(fgets(lbuf, sizeof(lbuf), stdin)) { ++lno; if ((z = strlen(lbuf)) > 0 && lbuf[z-1] == '\n') lbuf[z - 1] = 0; /* 對每一行應(yīng)用正則表達式進行匹配 */ z = regexec(?, lbuf, nmatch, pm, 0); if (z == REG_NOMATCH) continue; else if (z != 0) { regerror(z, ?, ebuf, sizeof(ebuf)); fprintf(stderr, "%s: regcom('%s')\n", ebuf, lbuf); return 2; } /* 輸出處理結(jié)果 */ for (x = 0; x < nmatch && pm[x].rm_so != -1; ++ x) { if (!x) printf("%04d: %s\n", lno, lbuf); printf(" $%d='%s'\n", x, substr(lbuf, pm[x].rm_so, pm[x].rm_eo)); } } /* 釋放正則表達式 */ regfree(?); return 0; }
執(zhí)行下面的命令可以編譯并執(zhí)行該程序: # 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(?, lbuf, nmatch, pm, 0); $0='regexec'
|