C語言使用正則表達式(常規(guī)方法)

1、C語言使用正則表達式 據(jù)說一個好的程序員是會使用DB和Regular Expression的程序員，可見兩者是多么重要。正則表達式是能極大地提高工作效率的工具，使用過Linux下各種具備RE特性的工具的人一定對此深有感觸。很多語言都支持RE，用的最多的當然是腳本，其中以perl最盛。不過，用C語言來用RE不是很多見，但是有時候也很有用，我最近也是看到別人說道這個，所以搜了一些資料加上自己的體會來說一說RE在C語言里的應用。C語言本身不具備RE特性，但是有很多庫，在Linux下你可以很方便的使用regex.h提供的庫。我先貼一段代碼展示一下RE在C語言里是怎么用的 1#include2#incl

2、ude3#include4#include5#include67intmain()89char*bematch=hhhericchd;10char*pattern=h3,10(.*).5.(.*);11charerrbuf1024;12charmatch100;13 regex_t reg;14interr,nm=10;15 regmatch_t pmatchnm;1617if(err=regcomp(®,pattern,REG_EXTENDED)0)18 regerror(err,®,errbuf,sizeof(errbuf);19printf(err:%sn,errbuf);2

3、02122 err=regexec(®,bematch,nm,pmatch,0);2324if(err=REG_NOMATCH)25printf(no matchn);26exit(-1);27elseif(err)28 regerror(err,®,errbuf,sizeof(errbuf);29printf(err:%sn,errbuf);30exit(-1);313233for(inti=0;i10&pmatchi.rm_so!=-1;i+)34intlen=pmatchi.rm_eo-pmatchi.rm_so;35if(len)36memset(match,0,sizeo

4、f(match);37memcpy(match,bematch+pmatchi.rm_so,len);38printf(%sn,match);394041return0;42我打算看看一個郵件地址是否匹配我所提供的pattern。這個郵件地址是hhhericchd patern為h3,10(.*).5.(.*)我們希望匹配一個以3個h字符接著為任意字符串（可以為空）直到遇到一個，然后接5個任意的字符和一個.號，最后再接一個字符串（可以為空），我們運行得到的結果是hhhericchdericchdcom我們發(fā)現(xiàn)，這個郵件地址被匹配了，第一行輸出了，第二行和第三行分別輸出的是我們希望得到的匹配的一

5、部分，也就是在pattern中用括號括起來的部分。在這里我們還發(fā)現(xiàn)，在C語言里使用RE表達式的時候和通常的UNIX一般的RE表達式有區(qū)別：第一、和()需要改成和(),因為在C語言反斜杠是轉移字符用的第二、.不需要轉義，不想UNIX的RE那樣需要.，但是?和*我沒有找到該怎么用下面貼上對以上所用函數(shù)的一些解釋regex的使用需要用到以下幾個函數(shù)。（定義在/usr/include/regex.h文件中）intregcomp(regex_t*compiled,constchar*pattern,intcflags) intregexec(regex_t*compiled,char*string,si

6、ze_tnmatch,regmatch_tmatchptr,int eflags)voidregfree(regex_t*compiled)size_tregerror(interrcode,regex_t*compiled,char*buffer,size_tlength)1.intregcomp(regex_t*compiled,constchar*pattern,intcflags)這個函數(shù)把指定的規(guī)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。regex_t是一個結構體數(shù)據(jù)

7、類型，用來存放編譯后的規(guī)則表達式，它的成員re_nsub用來存儲規(guī)則表達式中的子 規(guī)則表達式的個數(shù)，子規(guī)則表達式就是用圓括號包起來的部分表達式。pattern是指向我們寫好的規(guī)則表達式的指針。cflags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規(guī)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.intregexec(regex_t*compiled,char*string,size_tnmatch,reg

8、match_tmatchptr,int eflags)當我們編譯好規(guī)則表達式后，就可以用regexec匹配我們的目標文本串了，如果在編譯規(guī)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。regmatch_t是一個結構體數(shù)據(jù)類型，成員rm_so存放匹配文本串在目標串中的開始位置，rm_eo存放結束位置。通常我們以數(shù)組的形式定義一組這樣的結構。因為往往我們的規(guī)則表達式中還包含子規(guī)則表達式。數(shù)組0單元存放主規(guī)則表達式位置，后邊的單元依次存放子規(guī)則表達式位置。compiled是已經(jīng)用regcomp函數(shù)編譯

9、好的規(guī)則表達式。string是目標文本串。nmatch是regmatch_t結構體數(shù)組的長度。matchptrregmatch_t類型的結構體數(shù)組，存放匹配文本串的位置信息。eflags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，原文如下：Ifthisbitisset,thenthebeginning-of-lineoperatordoesntmatchthebeginningofthestring(presumably becauseitsnotthebeginningofaline).Ifnotset,

10、thenthebeginning-of-lineoperatordoesmatchthebeginning ofthestring.REG_NOTEOL和上邊那個作用差不多，不過這個指定結束endofline。3.voidregfree(regex_t*compiled)當我們使用完編譯好的規(guī)則表達式后，或者要重新編譯其他規(guī)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結構體的內容，請記住，如果是重新編譯的話，一定要先清空regex_t結構體。4.size_tregerror(interrcode,regex_t*compiled,char*buffer,size_

11、tlength)當執(zhí)行regcomp或者regexec產(chǎn)生錯誤的時候，就可以調用這個函數(shù)而返回一個包含錯誤信息的字符串。errcode是由regcomp和regexec函數(shù)返回的錯誤代號。compiled是已經(jīng)用regcomp函數(shù)編譯好的規(guī)則表達式，這個值可以為NULL。buffer指向用來存放錯誤信息的字符串的內存空間。length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_tlength=regerror(errcode,compiled,NULL,0)