《C语言使用正则表达式.docx》由会员分享，可在线阅读，更多相关《C语言使用正则表达式.docx（6页珍藏版）》请在三一办公上搜索。
1、C语言使用正则表达式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 1 #in
2、clude 2 #include 3 #include 4 #include 5 #include 6 7 int main 8 9 char *bematch = hhhericchd; 10 char *pattern = h3,10(.*).5.(.*); 11 char errbuf1024; 12 char match100; 13 regex_t reg; 14 int err,nm = 10; 15 regmatch_t pmatchnm; 16 17 if(err=regcomp(®,pattern,REG_EXTENDED) 0) 18 regerror(err,&re
3、g,errbuf,sizeof(errbuf); 19 printf(err:%sn,errbuf); 20 21 22 err = regexec(®,bematch,nm,pmatch,0); 23 24 if(err = REG_NOMATCH) 25 printf(no matchn); 26 exit(-1); 27 else if(err) 28 regerror(err,®,errbuf,sizeof(errbuf); 29 printf(err:%sn,errbuf); 30 exit(-1); 31 32 33 34 35 36 37 38 39 40 for(i
4、nt i=0;i10 & pmatchi.rm_so!=-1;i+) int len = pmatchi.rm_eo-pmatchi.rm_so; if(len) memset(match,0,sizeof(match); memcpy(match,bematch+pmatchi.rm_so,len); printf(%sn,match); 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 patern为 h3,10(.*).5.(.*) 我们希望匹配一个以3个h字符接着为任意字符串直到遇到一个，然后接5个任意的字符和
5、一个.号，最后再接一个字符串，我们运行得到的结果是 hhhericchd 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。 int regcomp (regex_t *compi
6、led, const char *pattern, int cflags) int regexec (regex_t *compiled, char *string, size_t nmatch, regmatch_t matchptr , int eflags) void regfree (regex_t *compiled) size_t regerror (int errcode, regex_t *compiled, char *buffer, size_t length) 1.int regcomp (regex_t *compiled, const char *pattern, i
7、nt cflags) 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。 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
8、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。 regmatch_t
9、 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。 matchptr regmatch_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
10、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： If this bit is set, then the beginning-of-line operator doesnt match the beginning of the string (presumably because its not the beginning of a line).If not set, then the beginning-of-line operator does match the beginning of the string. REG_NOTEOL 和上边那个作用差不多，不过这个指定结束en
11、d of line。 3. void regfree (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_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。 errcode 是由re
12、gcomp 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_t length = 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，PCRE是另一个选择PCRE 还有一份不错的资料http:/midatl.radford.edu/docs/C/Pattern-Matching.html#Pattern-Matching
