如何在C語言中巧用正規表示式

如果使用者熟悉linux下的sed、awk、grep或vi，那麼對正規表示式這一概念肯定不會陌生。由於它可以極大地簡化處理字串時的複雜度，因此現在已經在許多linux實用工具中得到了應用。千萬不要以為正規表示式只是perl、python、bash等指令碼語言的專利，作為c語言程式設計師，使用者同樣可以在自己的程式中運用正規表示式。

標準的c和c++都不支援正規表示式，但有一些函式庫可以輔助c/c++程式設計師完成這一功能，其中最著名的當數philip hazel的perl-compatible regular expression庫，許多linux發行版本都帶有這個函式庫。

編譯正規表示式

為了提高效率，在將乙個字串與正規表示式進行比較之前，首先要用regcomp()函式對它進行編譯，將其轉化為regex_t結構：

int regcomp(regex_t *preg, const char *regex, int cflags);

引數regex是乙個字串，它代表將要被編譯的正規表示式；引數preg指向乙個宣告為regex_t的資料結構，用來儲存編譯結果；引數cflags決定了正規表示式該如何被處理的細節。

如果函式regcomp()執行成功，並且編譯結果被正確填充到preg中後，函式將返回0，任何其它的返回結果都代表有某種錯誤產生。

匹配正規表示式

一旦用regcomp()函式成功地編譯了正規表示式，接下來就可以呼叫regexec()函式完成模式匹配：

int regexec(const regex_t *preg, const char *string, size_t nmatch,regmatch_t pmatch, int eflags);

typedef struct regmatch_t;

引數preg指向編譯後的正規表示式，引數string是將要進行匹配的字串，而引數nmatch和pmatch則用於把匹配結果返回給呼叫程式，最後乙個引數eflags決定了匹配的細節。

在呼叫函式regexec()進行模式匹配的過程中，可能在字串string中會有多處與給定的正規表示式相匹配，引數pmatch就是用來儲存這些匹配位置的，而引數nmatch則告訴函式regexec()最多可以把多少個匹配結果填充到pmatch陣列中。當regexec()函式成功返回時，從string+pmatch[0].rm_so到string+pmatch[0].rm_eo是第乙個匹配的字串，而從string+pmatch[1].rm_so到string+pmatch[1].rm_eo，則是第二個匹配的字串，依此類推。

釋放正規表示式

無論什麼時候，當不再需要已經編譯過的正規表示式時，都應該呼叫函式regfree()將其釋放，以免產生記憶體洩漏。

void regfree(regex_t *preg);

函式regfree()不會返回任何結果，它僅接收乙個指向regex_t資料型別的指標，這是之前呼叫regcomp()函式所得到的編譯結果。

如果在程式中針對同乙個regex_t結構呼叫了多次regcomp()函式，posix標準並沒有規定是否每次都必須呼叫regfree()函式進行釋放，但建議每次呼叫regcomp()函式對正規表示式進行編譯後都呼叫一次regfree()函式，以盡早釋放占用的儲存空間。

報告錯誤資訊

如果呼叫函式regcomp()或regexec()得到的是乙個非0的返回值，則表明在對正規表示式的處理過程中出現了某種錯誤，此時可以通過呼叫函式regerror()得到詳細的錯誤資訊。

size_t regerror(int errcode, const regex_t *preg, char *errbuf, size_t errbuf_size);

引數errcode是來自函式regcomp()或regexec()的錯誤**，而引數preg則是由函式regcomp()得到的編譯結果，其目的是把格式化訊息所必須的上下文提供給regerror()函式。在執行函式regerror()時，將按照引數errbuf_size指明的最大位元組數，在errbuf緩衝區中填入格式化後的錯誤資訊，同時返回錯誤資訊的長度。

應用正規表示式

最後給出乙個具體的例項，介紹如何在c語言程式中處理正規表示式。

#include ;

/* 取子串的函式 */

static char* substr(const char*str, unsigned start, unsigned end)

/* 主程式 */

int main(int argc, char** argv)

/* 逐行處理輸入的資料 */

while(fgets(lbuf, sizeof(lbuf), stdin))

/* 輸出處理結果 */

for (x = 0; x < nmatch && pm[x].rm_so != -1; ++ x)

}/* 釋放正規表示式 */

regfree(®);

return 0;

}上述程式負責從命令列獲取正規表示式，然後將其運用於從標準輸入得到的每行資料，並列印出匹配結果。執行下面的命令可以編譯並執行該程式：

# gcc regexp.c -o regexp

# ./regexp 'regex[a-z]*' < regexp.c

0003: #include ;

$0='regex'

0027: regex_t reg;

$0='regex'

0054: z = regexec(®, lbuf, nmatch, pm, 0);

$0='regexec'

小結對那些需要進行複雜資料處理的程式來說，正規表示式無疑是乙個非常有用的工具。本文重點在於闡述如何在c語言中利用正規表示式來簡化字串處理，以便在資料處理方面能夠獲得與perl語言類似的靈活性。

如何在C語言中巧用正規表示式

如何在C語言中巧用正規表示式

如何在C語言中巧用正規表示式

C語言中巧用正規表示式 1

相關推薦