使用GNU C正規表示式

前不久是我第二次使用c語言的正規表示式庫。用的時候竟發現以前用過一次的全忘了，沒辦法，只有從新去分析regex.h這個標頭檔案的內容，猜著它是怎麼工作的。

看來很有必要記下來，免得第三次用的時候再去猜一遍。

「regex.h」是linux系統預設安裝的乙個標頭檔案，我們就是用裡面的函式來使用正規表示式的功能。

先看看它的大體流程吧：

定義模板這個不說了。設定語法風格，就是選擇你要使用那一種正規表示式規則。各種不同的程式裡面，對正規表示式的元字元以及一些規則的定義是不一樣的。在這乙個步驟，可以設定一種最適合，或者自己最熟悉的風格。編譯模板，可能一部分原因是為了效率，這個不想深究。匹配，這個不用說了吧。

假設你要處理的是這樣一種字串：一串11位數字的**號碼，彼此用「；」分隔，在每個號碼後面可能會有「,b」表示黑名單裡的「,w」表示白名單，或者沒有（如：「18753432222,b;19885812345,w;18712345678;18787654321,w」）。看如下**：

#include #include #include #include static int pat_compiled = 0;
const static char* pat_number = "^[0-9](,[bw])?(;[0-9](,[bw])?)*$;
static regex_t pat_buf[1];
int print_number(char* src) 
pat_compiled = 1;
}	memset(match_rlt,0,sizeof(struct re_registers));
match_ret = re_match(pat_buf,src,strlen(src),0,match_rlt);
if (-2 == match_ret) 
if (-1 == match_ret) 
for (i = 0; i < match_rlt->num_regs; ++i) 
tmp_p = strndup(src + match_rlt->start[i],match_rlt->end[i] - match_rlt->start[i]);
printf("start: %d end: %d\n",match_rlt->start[i],match_rlt->end[i]);
printf("%s\n",tmp_p);
free(tmp_p);
}	return 0;
}int main(int argc, char **argv)

程式輸出：

start: 0 end: 53

18753432222,b;19885812345,w;18712345678;18787654321,w

start: 11 end: 13

,bstart: 39 end: 53

;18787654321,w

start: 51 end: 53

re_set_syntax(re_syntax_posix_egrep);

首先，程式選擇的是posix egrep的風格，也就是grep程式加了-e選項時候使用的風格。選這個的原因，除了熟悉意外，最重要的就是好測試表示式的正確性。

// 使用之前，先對模板進行編譯
if (null != (compile_ret = re_compile_pattern(pat_number,strlen(pat_number),pat_buf)))

編譯的返回值，如果為null則表示成功，否則為乙個指向了描述失敗原因字串的指標。

match_ret = re_match(pat_buf,src,strlen(src),0,match_rlt);
if (-2 == match_ret) 
if (-1 == match_ret)

匹配的函式，如果返回-2表示內部錯誤，返回-1表示字串不匹配，否則返回第乙個匹配的字元索引。匹配結果放在match_rlt結構體中。

我們看看這個結構體的定義：

struct re_registers
;

這裡得解釋一下「匹配的數量」。匹配數不是指元字串中匹配整個正則是模板的有幾個，而是指的捕獲的字串數量。

"^[0-9](,[bw])?(;[0-9](,[bw])?)*$;

三個括號，為什麼會有4個捕獲呢？請看第一組捕獲，它把整個正則是看做乙個捕獲。所以一旦匹配，num_regs的值一點是括號對數加1.

那麼問題又來了，源字串是這樣的：

"18753432222,b;19885812345,w;18712345678;18787654321,w"

根據

(;[0-9](,[bw])?)*

那麼括號部分一共重複了3次，為什麼才算了一次呢？

這個問題還沒有想通，可能是為了使用者程式更穩定的考慮。因為它根據模板中可見的括號數來捕獲，使得捕獲數在程式設計時就確定了，這樣免去了很多可能由於處理不當可能導致的錯誤。不過功能上，就有所打折了。

不過仔細看re_match函式的引數設定，它給我提供了另外乙個方法來實現捕獲每乙個號碼。

/* search in the string string (with length length) for the pattern
compiled into buffer.  start searching at position start, for range
characters.  return the starting position of the match, -1 for no
match, or -2 for an internal error.  also return register
information in regs (if regs and buffer->no_sub are nonzero).  */
extern int re_search (struct re_pattern_buffer *__buffer, const char *__string,
int __length, int __start, int __range,
struct re_registers *__regs);
/* like `re_search', but return how many characters in string the regexp
in buffer matched, starting at position start.  */
extern int re_match (struct re_pattern_buffer *__buffer, const char *__string,
int __length, int __start, struct re_registers *__regs);

通過第四個引數__start，我們可以指定匹配開始的地方。我們只用再迴圈中每次從匹配的下乙個位置開始匹配，不就每次都取出新的號碼了嗎？

經測試，不管用，肯定是用的方法不對^_^，不過一件事可以通過多種不同的方法實現。

我們每次把輸入的string往後推乙個號碼，**如下：

#include #include #include #include static int pat_compiled = 0;
const static char* pat_number = "^([0-9])(,[bw])?(;[0-9](,[bw])?)*quot;;
static regex_t pat_buf[1];
int print_number(char* src) 
pat_compiled = 1;
}	while (1) 
if (-1 == match_ret) 
if (-1 != match_rlt->start[1]) 
else 
}	return 0;
}int main(int argc, char **argv)

使用GNU C正規表示式

使用正規表示式

使用正規表示式

正規表示式使用

相關推薦