C 規則表達式入門

 用過Perl的朋友應該都它提供了規則表達式功能，所以使得用perl 進行文本處理非常方便。本人最近試用了一下
       GNU C 的規則表達式功能，
       發現使用起來也很簡單，只是覺得支持的不夠強大，不能夠進行文本的替換，只能進行文本的查找，至少目前我是
       沒有發現基於規則表達式的
       文本替換功能。

       下面我就簡單的介紹一下GNU C 的規則表達式使用方法，有理解不對的地方，還請朋友們多指正。

       在GNU C 中要使用規則表達式，需要用到以下幾個函數。（定義在/usr/include/regex.h文件中）
       * int regcomp (regex_t *compiled, const char *pattern, int cflags)
       * int regexec (regex_t *compiled, char *string, size_t nmatch, regmatch_t matchptr [], int
       eflags)
       * void regfree (regex_t *compiled)
       * size_t regerror (int errcode, regex_t *compiled, char *buffer, size_t length)

       下面我就介紹分別一下這幾個函數和它用到的一些數據類型。

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

       這個函數把指定的規則表達式pattern編譯成一種特定的數據格式compiled，這樣可以使匹配更有效。函數
       regexec 會使用這個數據在目標文
       本串中進行模式匹配。執行成功返回０。

       regex_t 是一個結構體數據類型，用來存放編譯後的規則表達式，它的成員re_nsub 用來存儲規則表達式中的子
       規則表達式的個數，子規則表
       達式就是用圓括號包起來的部分表達式。

       pattern 是指向我們寫好的規則表達式的指針。
       cflags 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展規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。

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

       當我們編譯好規則表達式後，就可以用regexec 匹配我們的目標文本串了，如果在編譯規則表達式的時候沒有指
       定cflags的參數爲
       REG_NEWLINE，則默認情況下是忽略換行符的，也就是把整個文本串當作一個字符串處理。執行成功返回０。

       regmatch_t 是一個結構體數據類型，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。因爲往往我們的規則表達式中還包含子規則表達式。數組0單元存放主規則表達式位置，後邊的
       單元依次存放子規則表達式位
       置。

       compiled 是已經用regcomp函數編譯好的規則表達式。
       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，
       原文如下：
       If this bit is set, then the beginning-of-line operator doesn't match the beginning of the
       string (presumably
       because it's not the beginning of a line).If not set, then the beginning-of-line operator
       does match the beginning
       of the string.
       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規則表達式後，或者要重新編譯其他規則表達式的時候，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。

       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函數編譯好的規則表達式，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。
       size_t length = regerror (errcode, compiled, NULL, 0);

       好了，下面來實戰一下，這樣你就會理解的更清楚了。
       ---------------------------------------------------------------

       /* regex_test.c
       * regular expression test in GNU C
       *
       * tested on redhat6.1
       * gcc regex_test.c -o regex_test
       */

       #include
       #include
       #include
       #include
       #include

       #define SUBSLEN 10
       #define EBUFLEN 128 /* error buffer length */
       #define BUFLEN 1024 /* matched buffer length */

       int
       main (int argc, char **argv)
       {
       FILE *fp;
       size_t len; /* store error message length */
       regex_t re; /* store compilned regular expression */
       regmatch_t subs[SUBSLEN]; /* store matched string position */
       char matched[BUFLEN]; /* store matched strings */
       char errbuf[EBUFLEN]; /* store error message */
       int err, i;

       char string[] = "AAAAabaaababAbAbCdCd123123 11(123){12}";
       char pattern[] = "(//([0-9]+//))(//{[0-9]+//}{1})$";

       printf ("String : %s/n", string);
       printf ("Pattern: /"%s/"/n", pattern);

       /* compile regular expression */
       err = regcomp (&re, pattern, REG_EXTENDED);

       if (err)
       {
       len = regerror (err, &re, errbuf, sizeof (errbuf));
       fprintf (stderr, "error: regcomp: %s/n", errbuf);
       exit (1);
       }
       printf ("Total has subexpression: %d/n", re.re_nsub);

       /* execute pattern match */
       err = regexec (&re, string, (size_t)SUBSLEN, subs, 0);

       if (err == REG_NOMATCH)
       {
       fprintf (stderr, "Sorry, no match .../n");
       regfree (&re);
       exit (0);
       }
       else if (err)
       {
       len = regerror (err, &re, errbuf, sizeof (errbuf));
       fprintf (stderr, "error: regexec: %s/n", errbuf);
       exit (1);
       }

       /* if no REG_NOMATCH and no error, then pattern matched */
       printf ("/nOK, has matched .../n/n");
       for (i = 0; i <= re.re_nsub; i++)
       {
       if (i == 0)
       {
       printf ("begin: %d, end: %d, ",
       subs.rm_so, subs.rm_eo);
       }
       else
       {
       printf ("subexpression %d begin: %d, end: %d, ",
       i, subs.rm_so, subs.rm_eo);
       }
       len = subs.rm_eo - subs.rm_so;
       memcpy (matched, string + subs.rm_so, len);
       matched[len] = '/0';
       printf ("match: %s/n", matched);
       }

       regfree(&re);
       exit(0);
       }