笔记整理——Linux下C语言正则表达式

Linux下C语言正则表达式使用详解 - Google Chrome (2013/5/2 16:40:37)

2012年6月6日Neal627 views发表评论阅读评论

标准的C和C++都不支持正则表达式，但有一些函数库可以辅助C/C++程序员完成这一功能，其中最著名的当数Philip Hazel的Perl-Compatible Regular Expression库，许多Linux发行版本都带有这个函数库。

C语言处理正则表达式常用的函数有regcomp()、regexec()、regfree()和regerror()，一般分为三个步骤，如下所示：

C语言中使用正则表达式一般分为三步：
1. 编译正则表达式 regcomp()
2. 匹配正则表达式 regexec()
3. 释放正则表达式 regfree()

下边是对三个函数的详细解释

1. int regcomp (regex_t *compiled, const char *pattern, int cflags)
这个函数把指定的正则表达式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。

参数说明：
①regex_t 是一个结构体数据类型，用来存放编译后的正则表达式，它的成员re_nsub 用来存储正则表达式中的子正则表达式的个数，子正则表达式就是用圆括号包起来的部分表达式。
②pattern 是指向我们写好的正则表达式的指针。
③cflags 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正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. int regexec (regex_t *compiled, char *string, size_t nmatch, regmatch_t matchptr [], int eflags)
当我们编译好正则表达式后，就可以用regexec 匹配我们的目标文本串了，如果在编译正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，在regex.h中定义：
typedef struct
{
regoff_t rm_so;
regoff_t rm_eo;
} regmatch_t;
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。该函数虽然以regmatch_t数组的形式定义了参数，但是实际上regexec()函数只能匹配到一个，让人误解啊，特别注明一下。

参数说明：
①compiled 是已经用regcomp函数编译好的正则表达式。
②string 是目标文本串。
③nmatch 是regmatch_t结构体数组的长度。
④matchptr regmatch_t类型的结构体数组，存放匹配文本串的位置信息。
⑤eflags 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；
REG_NOTEOL 和上边那个作用差不多，不过这个指定结束end of line。

3. void regfree (regex_t *compiled)
当我们使用完编译好的正则表达式后，或者要重新编译其他正则表达式的时候，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。

参数说明：
①errcode 是由regcomp 和 regexec 函数返回的错误代号。
②compiled 是已经用regcomp函数编译好的正则表达式，这个值可以为NULL。
③buffer 指向用来存放错误信息的字符串的内存空间。
④length 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);

下边是一个连续查找文本中匹配字符串的例子：

#include <stdio.h> #include <string.h> #include <regex.h>   // 提取子串 char* getsubstr(char *s, regmatch_t *pmatch) { static char buf[100] = {0}; memset(buf, 0, sizeof(buf)); memcpy(buf, s+pmatch->rm_so, pmatch->rm_eo - pmatch->rm_so);   return buf; }   int main(void) { regmatch_t pmatch; regex_t reg; const char *pattern = "[a-z]+"; // 正则表达式 char buf[] = "HELLOsaiYear2012@gmail.com"; // 待搜索的字符串   regcomp(&reg, pattern, REG_EXTENDED); //编译正则表达式 int offset = 0; while(offset < strlen(buf)) { int status = regexec(&reg, buf + offset, 1, &pmatch, 0); /* 匹配正则表达式，注意regexec()函数一次只能匹配一个，不能连续匹配，网上很多示例并没有说明这一点 */ if(status == REG_NOMATCH) printf("No Match\n"); else if(pmatch.rm_so != -1) { printf("Match:\n"); char *p = getsubstr(buf + offset, &pmatch); printf("[%d, %d]: %s\n", offset + pmatch.rm_so + 1, offset + pmatch.rm_eo, p); } offset += pmatch.rm_eo; } regfree(&reg); //释放正则表达式   return 0; }

正则表达式梳理（unix） - aten_xie的专栏 - 博客频道 - CSDN.NET - Google Chrome (2013/4/16 18:14:01)

 

正则表达式梳理（unix）

正则表达式存储unix

   正则表达式（regular experience RE）是一种字符模式，用于在查找过程中匹配指定的字符。在大多数程序中，正则表达式都被置于两个正斜杠之间。例如：/test/ 就是由正斜杠界定的正则表达式，它将匹配被查找的行中任何位置出现的相同模式。

   正则表达式元字符

   元字符是这样一类字符，它们表达的是不同于字面本身的含义。正则表达式元字符是由各种执行模式匹配操作的程序来解析，例如：sed、grep、awk等。

   常用正则表达式的元字符如下：

元字符	功能	实例	匹配结果	备注
^	行首定位符	/^test/	匹配所有以test开头的行	空格、TAB等也是作为字符进行匹配的。
$	行尾定位符	/test$/	匹配所有以test结尾的行
.  (点)	匹配除“/n”之外的任何单个字符	/t..t/	匹配包含一个t，后跟两个字符，在跟一个t的行。	任意单个字符包含空格和TAB键。  即：“t  t” 也是满足匹配条件的。  若要匹配包括“/n”在内的任意字符，请使用诸如“[/s/S]”之类的模式。
*	零次或多次匹配前面的字符或子表达式	/t*est/	匹配包含0个或者多个t后跟est的行。可以匹配：est、test、ttest
+	一次或多次匹配前面的字符或子表达式	/t+est/	匹配包含1个或者多个t后跟est的行。可以匹配：test、ttest。字符串“est”则无法进行匹配了。
?	零次或者一次匹配前面的字符串或者子表达式	/t?est/	匹配包含0个或者1个t后跟est的行。可以匹配：test、est。	ttest 也是符合匹配标准的，因为ttest字符串中包含整个test。 当此字符紧随任何其他限定符（*、+、?、{n}、{n,}、{n,m}）之后时，匹配模式是“非贪心的”。“非贪心的”模式匹配搜索到的、尽可能短的字符串，而默认的“贪心的”模式匹配搜索到的、尽可能长的字符串。例如，在字符串“oooo”中，“o+?”只匹配单个“o”，而“o+”匹配所有“o”。
[]	匹配一组字符中的任一个	/[Tt]est/	匹配包含Test或者test行
[x-y]	匹配指定范围内的一个字符	/[A-Z]est/	匹配后面跟着est的一个A至Z之间的字符。	[0-9]：用来匹配任意数字  [A-Za-z]：用来匹配任意字母
[^]	匹配不在指定组内的字符	/[^A-Z]/	匹配不在范围A至Z之间的任一个字符
/	用来转义元字符	/test/*/	匹配包含test，后面跟一个*号的所有行。	////用来匹配“/”符号自身
/<	词首定位符	//	匹配包含以love开头的词的行。如：love、lover	vi和grep支持
/>	词尾定位符	/love/>/	匹配包含以love结尾的词的行。  如：aalove	vi和grep支持
/(pattern/)	匹配模式pattern，并将之存储在寄存器中，供之后使用。	//(love/)able /1r/	最多可以使用9个标签，模式中最左边的标签是第一个。例如：模式love被保存为标签1，用/1表示。左边这个例子中，查找串是一个loveable 后跟 lover的长串。	sed、vi、grep支持。  例如：  sed “s//(love/)//1able/” 功能是将文件中的love替换成loveable。
x/{m/} 或  x/{m,/} 或  x/{m,n/}	字符x的重复出现；  m次，至少m次，至少m次且不超过n次。	o/{5,10/}	匹配包含5-10个连续的字母o的行。	vi和grep支持

   grep支持的正则表达式元字符

元字符	功能	实例	匹配结果	备注
^	行首定位符	grep “^test” datafile	打印所有以test开头的行
$	行尾定位符	grep “test$” datafile	打印所有以test结尾的行
.  (点)	匹配除“/n”之外的任何单个字符	/t..t/	匹配包含一个t，后跟两个字符，在跟一个t的行。
*	零次或多次匹配前面的字符或子表达式	/t*est/	匹配包含0个或者多个t后跟est的行。可以匹配：est、test、ttest
[]	匹配一组字符中的任一个	/[Tt]est/	匹配包含Test或者test行
[^]	匹配不在指定组内的字符	/[^A-Z]/	匹配不在范围A至Z之间的任一个字符
/<	词首定位符	//	匹配包含以love开头的词的行。如：love、lover	vi和grep支持
/>	词尾定位符	/love/>/	匹配包含以love结尾的词的行。  如：aalove	vi和grep支持
/(pattern/)	匹配模式pattern，并将之存储在寄存器中，供之后使用。	//(love/)able /1r/	最多可以使用9个标签，模式中最左边的标签是第一个。例如：模式love被保存为标签1，用/1表示。左边这个例子中，查找串是一个loveable 后跟 lover的长串。	sed、vi、grep支持。  例如：  sed “s//(love/)//1able/” 功能是将文件中的love替换成loveable。
x/{m/} 或  x/{m,/} 或  x/{m,n/}	字符x的重复出现；  m次，至少m次，至少m次且不超过n次。	o/{5,10/}	匹配包含5-10个连续的字母o的行。

C语言正则表达式详解 regcomp() regexec() regfree()详解_正则表达式教程 - Google Chrome (2013/4/10 12:09:15)

C语言中嵌入正则表达式

10