C語言正規表示式詳解

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。

c語言處理正規表示式常用的函式有regcomp()、regexec()、regfree()和regerror()，一般分為三個步驟，如下所示：

c語言中使用正規表示式一般分為三步：

編譯正規表示式 regcomp()

匹配正規表示式 regexec()

釋放正規表示式 regfree()

下邊是對三個函式的詳細解釋

1、int regcomp (regex_t *compiled, const char *pattern, int cflags)

這個函式把指定的正規表示式pattern編譯成一種特定的資料格式compiled，這樣可以使匹配更有效。函式regexec 會使用這個資料在目標文字串中進行模式匹配。執行成功返回０。　

引數說明：

①regex_t 是乙個結構體資料型別，用來存放編譯後的正規表示式，它的成員re_nsub 用來儲存正規表示式中的子正規表示式的個數，子正規表示式就是用圓括號包起來的部分表示式。

②pattern 是指向我們寫好的正規表示式的指標。

③cflags 有如下4個值或者是它們或運算(|)後的值：

reg_extended 以功能更加強大的擴充套件正規表示式的方式進行匹配。

reg_icase 匹配字母時忽略大小寫。

reg_nosub 不用儲存匹配後的結果。

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. int regexec (regex_t *compiled, char *string, size_t nmatch, regmatch_t matchptr , int eflags)

當我們編譯好正規表示式後，就可以用regexec 匹配我們的目標文字串了，如果在編譯正規表示式的時候沒有指定cflags的引數為reg_newline，則預設情況下是忽略換行符的，也就是把整個文字串當作乙個字串處理。執行成功返回０。

regmatch_t 是乙個結構體資料型別，在regex.h中定義：

typedef struct

regmatch_t;

成員rm_so 存放匹配文字串在目標串中的開始位置，rm_eo 存放結束位置。通常我們以陣列的形式定義一組這樣的結構。因為往往我們的正規表示式中還包含子正規表示式。陣列0單元存放主正規表示式位置，後邊的單元依次存放子正規表示式位置。

引數說明：

①compiled 是已經用regcomp函式編譯好的正規表示式。

②string 是目標文字串。

③nmatch 是regmatch_t結構體陣列的長度。

④matchptr regmatch_t型別的結構體陣列，存放匹配文字串的位置資訊。

⑤eflags 有兩個值

reg_notbol 按我的理解是如果指定了這個值，那麼'^'就不會從我們的目標串開始匹配。總之我到現在還不是很明白這個引數的意義；

reg_noteol 和上邊那個作用差不多，不過這個指定結束end of line。

3. void regfree (regex_t *compiled)

當我們使用完編譯好的正規表示式後，或者要重新編譯其他正規表示式的時候，我們可以用這個函式清空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_t regerror (int errcode, regex_t *compiled, char *buffer, size_t length)

當執行regcomp 或者regexec 產生錯誤的時候，就可以呼叫這個函式而返回乙個包含錯誤資訊的字串。

引數說明：

①errcode 是由regcomp 和 regexec 函式返回的錯誤代號。

②compiled 是已經用regcomp函式編譯好的正規表示式，這個值可以為null。

③buffer 指向用來存放錯誤資訊的字串的記憶體空間。

④length 指明buffer的長度，如果這個錯誤資訊的長度大於這個值，則regerror 函式會自動截斷超出的字串，但他仍然會返回完整的字串的長度。所以我們可以用如下的方法先得到錯誤字串的長度。

size_t length = regerror (errcode, compiled, null, 0);

下邊是乙個匹配email例子，按照上面的三步就可以。

下面的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。

#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;

}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。

C語言正規表示式詳解

詳解C 正規表示式

C語言正規表示式

正規表示式詳解

相關推薦