c和c 中的正規表示式

2021-08-07 01:38:24 字數 4114 閱讀 9264

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。

可以參照:

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);

下面介紹如何在linux c中正確使用正規表示式,以查詢有關字串並列印出來為例:

[cpp]view plain

copy

print?

#include 

#include 

#include 

in chk_line(int

lineno, regex_t *reg,

char

*line)  

fprintf(stderr,"/n"

);  

return

0;  

}  int

chk_file(

const

char

*filename)  

rtn = regcomp(®,patten,reg_icase|reg_extended);  

if(rtn)  

lineno = 1;  

memset(line,0,sizeof

(line));  

while

(fgets(line,

sizeof

(line),fp)!= null)  

fclose(fp);  

regefree(®);  

return

0;  

}  int

main (

intargc,

char

*argv)  

rtn = chk_file(argv[1]);  

return

rtn;  

}  

正規表示式示例表

字 符 意 義 示 例

* 任意長度的字串。 a* 表示: 空字串、aaaa、a…

? 長度為0或者1的字串。 a? 表示: 空字串和a。

+ 長度為乙個或者多個的字串。 a+表示:a、aa、aaaaaa…

. 任意字元。 a. 表示:a後跟任意字元。

{} 代表上一規則重複數目、

包含一組匹配花括號,裡面有兩個數字和乙個字元,表示在指定次數範圍內找到字元。 a表示:三個a、

a表示:乙個到三個a、

a 表示:大於等於三個a、

表示在3到7次重複範圍內匹配字元a。

集合,代表方括號中任意乙個字元。 [ab] 表示:a或者b都可以、

[a-z] 表示:從a到z的字元。

() 組,代表一組字元。 (ab)表示:abab。

a/b 同時滿足。 a/b表示:字串a後跟字串b才能滿足要求。

a|b 並列,代表符合a或者符合b都可以 a|b表示: 字串a或者字串b都滿足要求。

^ 如果放在開頭表示代表該規則必須在字串的開頭,其他位置代表字元本身。

如果放在中的開頭表示對該集合取反,其他位置代表字元本身。 ^a表示:a必須在字串的開頭、

[^a]表示:除了a以外的其他字元。

$ 如果放在最後表示該規則必須放在最後,其他位置代表字元本身。 a$表示:a必須在字串最後。

/:s 正規表示式用 /:s 表示空格。 a/:sb 匹配 a b。

/:a 正規表示式用 /:a 表示字元與數字。 a/:a 匹配 ab、a6 等。

/:c 正規表示式用 /:c 僅表示字元。 a/:c 匹配 ac等,不匹配a1等。

/:p 正規表示式用 /:p 表示可列印字元。 

/:d 正規表示式用 /:d 僅表示數字。 a/:c 匹配 a1等,不匹配ac等。

/:x00 正規表示式用 /:x00 表示ascii字元。 

/:r 正規表示式用 /:r 表示回車。 

/:n 正規表示式用 /:d 表示換行。

c和c 中的正規表示式

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。可以參照 c語言處理正規表示式常用的函式有regcomp ...

C 中的正規表示式

字元 描述 將下乙個字元標記為乙個特殊字元 或乙個原義字元 或乙個 向後引用 或乙個八進位制轉義符。例如,n 匹配字元 n 匹配乙個換行符。序列 匹配 而 則匹配 匹配輸入字串的開始位置。如果設定了 regexp 物件的 multiline 屬性,也匹配 或 之後的位置。匹配輸入字串的結束位置。如果...

C 中的正規表示式

位置匹配符 表示一行文字的開始位置 表示一行文字的結束位置 如 表示式 cat 匹配的單詞cat出現在行的開始處,注意 是乙個位置字元,不是要匹配字元的本身。同樣,表示式 cat 匹配的單詞cat出現來一行的結尾處。方括號 它表示匹配括號中字元中的乙個 例如 我們要查詢文字中,所有包含 gray或者...