C語言正則表達式使用及注意點
正則表達式作爲程序員必備的高效率技能之一,程序開發中不可避免的就會用到,最近在開發中就需要使用C語言的正則表達式來解決一些問題。吐槽一句(gcc版本太低,用不了C++11的特性,也就用不了c++的regex)。
API和參數介紹
編譯正則表達式
int regcomp(regex_t* compiled, const char* pattern, int cflags)
- regex_t 是一個結構體數據類型,用來存放編譯後的正則表達式,它的成員re_nsub 用來存儲正則表達式中的子正則表達式的個數,子正則表達式就是用圓括號包起來的部分表達式。
- pattern 是指向我們寫好的正則表達式的指針。
- cflags有以下四種取值。
REG_EXTENDED 以功能更加強大的擴展正則表達式的方式進行匹配。
REG_ICASE 匹配字母時忽略大小寫。
REG_NOSUB 不用存儲匹配後的結果。
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
匹配正則表達式
int regexec (regex_t *compiled, char *string, size_t nmatch, regmatch_t matchptr [], int eflags)
regmatch_t //結構體數據類型,在regex.h中定義:
typedef struct
{
regoff_t rm_so;
regoff_t rm_eo;
} regmatch_t;
// 成員rm_so 存放匹配文本串在目標串中的開始位置,rm_eo 存放結束位置。通常我們以數組的形式定義一組這樣的結構。因爲往往我們的正則表達式中還包含子正則表達式。數組0單元存放主正則表達式位置,後邊的單元依次存放子正則表達式位置。
- compiled 是已經用regcomp函數編譯好的正則表達式。
- string 是目標文本串。
- nmatch 是regmatch_t結構體數組的長度。
- matchptr regmatch_t類型的結構體數組,存放匹配文本串的位置信息。
- eflags 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參數的意義;
REG_NOTEOL 和上邊那個作用差不多,不過這個指定結束end of line。
釋放正則表達式
void regfree (regex_t *compiled)
當我們使用完編譯好的正則表達式後,或者要重新編譯其他正則表達式的時候,我們可以用這個函數清空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。
獲取錯誤信息
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,就可以調用這個函數而返回一個包含錯誤信息的字符串。
- errcode 是由regcomp 和 regexec 函數返回的錯誤代號。
- compiled 是已經用regcomp函數編譯好的正則表達式,這個值可以爲NULL。
- buffer 指向用來存放錯誤信息的字符串的內存空間。
- length 指明buffer的長度,如果這個錯誤信息的長度大於這個值,則regerror 函數會自動截斷超出的字符串,但他仍然會返回完整的字符串的長度。所以我們可以用如下的方法先得到錯誤字符串的長度。
使用方式
主要從兩個方面,一個是獲取所有的匹配字串,一個是獲取匹配字符串以及相關子正則字串。
獲取所有匹配字串
這個比較噁心,需要自己移動指針,完成所有字符串的匹配
#include <cstdio>
#include <regex.h>
#include <string.h>
#include <stdio.h>
int main(){
regex_t re;
regmatch_t subs[1024];
char matched[1024];
char src[1024]="beginworldendtestbeginworkendtest";
char pattern[1024] = "begin(.*?)end";
int err = regcomp(&re, pattern, REG_EXTENDED);
if (err) {
printf("regex error");
return 1;
}
const char *ptr = src;
// 匹配所有模式字串
while (strlen(ptr) > 0) {
memset(subs, 0, sizeof(subs));
err = regexec(&re, ptr, (size_t)1024, subs, 0);
if (err == REG_NOMATCH) {
break;
} else if (err) {
char errbuf[1024];
regerror(err, &re, errbuf, sizeof(errbuf));
printf("errbuf:%s\n", errbuf);
break;
}
int len = subs[0].rm_eo - subs[0].rm_so;
memcpy(matched, ptr + subs[0].rm_so, len);
matched[len] = '\0';
printf("match:%s\n", matched);
ptr = ptr + subs[0].rm_so + len;
}
regfree(&re);
return 0;
}
獲取模式字串以及子正則模式串
#include <cstdio>
#include <regex.h>
#include <string.h>
#include <stdio.h>
int main(){
regex_t re;
regmatch_t subs[1024];
char matched[1024];
char src[1024]="beginworldendtestbeginworkendtest";
char pattern[1024] = "begin(.*?)end";
int err = regcomp(&re, pattern, REG_EXTENDED);
if (err) {
printf("regex error");
return 1;
}
const char *ptr = src;
// 匹配模式字串以及子正則
err = regexec(&re, ptr, 1024, subs, 0);
for (int x = 0; x < 1024 && subs[x].rm_so != -1; ++x) {
int len = subs[x].rm_eo - subs[x].rm_so;
memcpy(matched, ptr + subs[x].rm_so, len);
matched[len] = '\0';
printf("matched:%s\n", matched);
}
regfree(&re);
return 0;
}
以上代碼爲測試demo,省去了很多參數檢查