最近有这么个需求,
c搞搞正则,
毕竟Regular Expression so强大^_^
标准的C和C+
+
都不支持正则表达式,但有一些函数库可以辅助C/
C+
+
程序员完成这一功能,其中最著名的当数Philip Hazel的Perl-
Compatible Regular Expression库,许多Linux发行版本都带有这个函数库。
编译正则表达式
为了提高效率,在将一个字符串与正则表达式进行比较之前,首先要用regcomp(
)
函数对它进行编译,将其转化为regex_t结构:
int
regcomp(
regex_t *
preg,
const
char
*
regex,
int
cflags)
;
参数regex是一个字符串,它代表将要被编译的正则表达式;参数preg指向一个声明为regex_t的数据结构,用来保存编译结果;参数cflags决定了正则表达式该如何被处理的细节。
如果函数regcomp(
)
执行成功,并且编译结果被正确填充到preg中后,函数将返回0,任何其它的返回结果都代表有某种错误产生。
匹配正则表达式
一旦用regcomp(
)
函数成功地编译了正则表达式,接下来就可以调用regexec(
)
函数完成模式匹配:
int
regexec(
const
regex_t *
preg,
const
char
*
string
,
size_t
nmatch,
regmatch_t pmatch[
]
,
int
eflags)
;
typedef
struct
{
regoff_t rm_so;
regoff_t rm_eo;
}
regmatch_t;
参数preg指向编译后的正则表达式,参数string是将要进行匹配的字符串,而参数nmatch和pmatch则用于把匹配结果返回给调用程序,最后一个参数eflags决定了匹配的细节。
在调用函数regexec(
)
进行模式匹配的过程中,可能在字符串string中会有多处与给定的正则表达式相匹配,参数pmatch就是用来保存这些匹配位置的,而参数nmatch则告诉函数regexec(
)
最多可以把多少个匹配结果填充到pmatch数组中。当regexec(
)
函数成功返回时,从 string
+
pmatch[
0]
.
rm_so到string+
pmatch[
0]
.
rm_eo是第一个匹配的字符串,而从 string
+
pmatch[
1]
.
rm_so到string+
pmatch[
1]
.
rm_eo,则是第二个匹配的字符串,依此类推。
释放正则表达式
无论什么时候,当不再需要已经编译过的正则表达式时,都应该调用函数regfree(
)
将其释放,以免产生内存泄漏。
void
regfree(
regex_t *
preg)
;
函数regfree(
)
不会返回任何结果,它仅接收一个指向regex_t数据类型的指针,这是之前调用regcomp(
)
函数所得到的编译结果。
如果在程序中针对同一个regex_t结构调用了多次regcomp(
)
函数,POSIX标准并没有规定是否每次都必须调用regfree(
)
函数进行释放,但建议每次调用regcomp(
)
函数对正则表达式进行编译后都调用一次regfree(
)
函数,以尽早释放占用的存储空间。
报告错误信息
如果调用函数regcomp(
)
或regexec(
)
得到的是一个非0的返回值,则表明在对正则表达式的处理过程中出现了某种错误,此时可以通过调用函数regerror(
)
得到详细的错误信息。
size_t
regerror(
int
errcode,
const
regex_t *
preg,
char
*
errbuf,
size_t
errbuf_size)
;
参数errcode是来自函数regcomp(
)
或regexec(
)
的错误代码,而参数preg则是由函数regcomp(
)
得到的编译结果,其目的是把格式化消息所必须的上下文提供给regerror(
)
函数。在执行函数regerror(
)
时,将按照参数errbuf_size指明的最大字节数,在 errbuf缓冲区中填入格式化后的错误信息,同时返回错误信息的长度。
应用正则表达式
最后给出一个具体的实例,介绍如何在C语言程序中处理正则表达式。
regexp.
c:
#
include
<
stdio.
h>
#
include
<
string
.
h>
#
include
<
sys/
types.
h>
#
include
<
regex.
h>
/* 取子串的函数 */
static
char
*
substr (
const
char
*
str,
unsigned
start,
unsigned
end)
{
unsigned
n =
end -
start;
static
char
stbuf[
256]
;
strncpy
(
stbuf,
str +
start,
n)
;
stbuf[
n]
=
0;
return
stbuf;
}
/* 主程序 */
int
main (
int
argc,
char
*
*
argv)
{
char
*
pattern;
int
x,
z,
lno =
0,
cflags =
0;
char
ebuf[
128]
,
lbuf[
256]
;
regex_t reg;
regmatch_t pm[
10]
;
const
size_t
nmatch =
10;
pattern =
argv[
1]
;
z =
regcomp (
&
reg,
pattern,
cflags)
;
if
(
z !
=
0)
{
regerror (
z,
&
reg,
ebuf,
sizeof
(
ebuf)
)
;
fprintf
(
stderr
,
"%s: pattern '%s' /n"
,
ebuf,
pattern)
;
return
1;
}
/* 逐行处理输入的数据 */
while
(
fgets
(
lbuf,
sizeof
(
lbuf)
,
stdin
)
)
{
+
+
lno;
if
(
(
z =
strlen
(
lbuf)
)
>
0 &
&
lbuf[
z -
1]
=
=
'/n'
)
lbuf[
z -
1]
=
0;
/*对每一行应用正则表达式进行匹配 */
z =
regexec (
&
reg,
lbuf,
nmatch,
pm,
0)
;
if
(
z =
=
REG_NOMATCH)
continue
;
else
if
(
z !
=
0)
{
regerror (
z,
&
reg,
ebuf,
sizeof
(
ebuf)
)
;
fprintf
(
stderr
,
"%s: regcom('%s')/n"
,
ebuf,
lbuf)
;
return
2;
}
/* 输出处理结果 */
for
(
x =
0;
x <
nmatch &
&
pm[
x]
.
rm_so !
=
-
1;
+
+
x)
{
if
(
!
x)
printf
(
"%04d: %s/n"
,
lno,
lbuf)
;
printf
(
" $%d='%s'/n"
,
x,
substr (
lbuf,
pm[
x]
.
rm_so,
pm[
x]
.
rm_eo)
)
;
}
}
/* 释放正则表达式 */
regfree (
&
reg)
;
return
0;
}
Makefile:
CC =
gcc
CFLAGS =
-
g -
Wall
TARGET =
regexp
EXECOBJS =
${
TARGET}
.
o
$(
TARGET)
:
$(
EXECOBJS)
$(
CC)
$(
CFLAGS)
-
o $(
TARGET)
$(
EXECOBJS)
%
.
o:
%
.
c
$(
CC)
$(
CFLAGS)
-
o $@ -
c $<
clean:
rm -
rf *
.
o *
.
a *
.
so $(
TARGET)
[
root@zj:
~
/
C_parm/
regexp]
#
make
gcc -
g -
Wall -
o regexp.
o -
c regexp.
c
gcc -
g -
Wall -
o regexp regexp.
o
[
root@zj:
~
/
C_parm/
regexp]
#
.
/
c_regexp 'regex[a-z]*'
<
c_regexp.
c
0004:
#
include
<
regex.
h>
$0=
'regex'
0023:
regex_t reg;
$0=
'regex'
0043:
z =
regexec (
&
reg,
lbuf,
nmatch,
pm,
0)
;
$0=
'regexec'
不要说为什么一个文件还Makefile.
.
.
以前我也很少用Makefile,
win下的习惯!!!BS下自己,
最近写linux code写大半年了,
我就没自己敲过gcc了^_^.
其实关键是code总要不定的debug,
你不能每次debug后都gcc -
o *
*
*
-
l -
L.
.
.
.
吧.
filename没改变,
我just make^_^