C語言正則表達式使用及注意點

轉載地址

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

參考地址1
參考地址2