正则表达式和sscanf

出处：http://blog.csdn.net/phil2036/archive/2009/05/27/4221704.aspx

感谢原文作者分享。

 

在看这篇文章之前建议你先了解一下什么是正则表达式，具体不重复了，google一下能出一大堆，不过这篇文章比较好，贴个url ，作者说30分钟能看完的不是地球人，但是我15分钟就看完了还记住了90%以上，好吧我来自火星，玩笑到此结束，下面切入正题。

      本文的命题源自于这样的一个url，protocol://ip:port/chn/mode，比如说，dv://192.168.1.253:65001/1/1。如果我要解析出来各个部分，并把它们保存到各自的变量里面要怎么做？传统的C程序员会说用strtok慢慢取得各个部分，对于要转成int的用atoi，部分C++程序员也许会放弃strtok转用std::string当中的find系列成员函数（find/find_first_of...）。是的，我以前也是这么干的，两种方法都用过，当然也包括MFC里的CString的相关成员函数。现在，一种全新的方法源自于sscanf这个C语言函数。

      无论你用C还是C++，sscanf和scanf这两个函数都不会太陌生，%d %s %f甚至%02d %.2f这些东西你也很熟，看了上面我说的正则表达式，也许你会写出这么一个正则表达式：[a-zA-Z]+://(\d{1,3}\.){3}(\d{1,3}):\d{1,5}/\d{1,}/\d，没错，这个正则表达式的IP部分有点问题，但是为了描述简单，暂时就这么用了。激动人心的时候到了，我要告诉你的是scanf以及sscanf实际上是支持部分正则表达式的，当然即使是到现在我依旧不敢肯定这个部分是否是ANSI的一部分，但是我的VS2005上没有问题，朋友的VS2003上也没有问题，至于VC6实在太古老暂时找不到测试。但是顺便说一句，VS2005上你用sscanf或者scanf他会出警告的，他说这两个函数不安全建议你用sscanf_s和scanf_s，我试了下推荐的两个函数又不支持这个功能了，比较囧了。

      好了，具体说说sscanf的这个扩展功能吧（暂且这么叫）。sscanf提供的这个扩展功能其实并不能真正称为正则表达式，因为他的书写还是离不开%，而且也很局限。但是作为处理我上面说的url已经是绰绰有余了。sscanf的这个扩展功能支持[]表示支付范围，{}表示重复次数，^表示取非，*表示跳过。所以上面这个url的解析可以写成下面这个样子：

char url[] = "dv://192.168.1.253:65001/1/1"

sscanf(url,"%[^://]%*c%*c%*c%[^:]%*c%d/%d/%d",protocol,ip,&port,&chn,&type);//这里的参数需要传地址进去。这里面port等整型的声明为int prot...

解释一下

先取得一个最长的字符串，但不包括字串://，于是protocol="dv\0";

然后跳过三个字符（%*c），其实就是跳过://

接着取一个字符串不包括字符串:，于是ip=192.168.1.253，这里简化处理了，IP就当个字符串来弄，而且不做检查

然后跳过冒号取端口到port，再跳过/取通道号到chn，再跳过/取码流类型到type。

      是不是觉得还不过瘾？我也觉得，接着举例。

sscanf("Phil\nChang","%[^\n]%*c%s",first_name,last_name);

解释：跳过一个换行符，取first_name和last_name

类似上面的sscanf("[e-mail]","%[^@]%*c%s",user_name,host);

      基本上，这个东西用的不多，但是有时候很实用，让你的代码会很简洁，但是相比正则表达式，功能又显得简陋很多，怎么用，就看个人而定了，还是那句话，不是很确定这东西是不是ANSI的，所以不考虑移植又觉得很简洁那么用吧，考虑移植那么请三思，至于正则表达式，用regex或者boost库吧，哦，我说的是C++，C#本来就带了的！

 

本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/phil2036/archive/2009/05/27/4221704.aspx

以下转自chinaunix：

原文地址：http://blog.chinaunix.net/u/21684/showart_499274.html

 

头文件 #include(stdio.h)

定义函数 int sscanf (const char *str,const char * format,........);

函数说明 sscanf()会将参数str的字符串根据参数format字符串来转换并格式化数据。格式转换形式请参考scanf()。转换后的结果存于对应的参数内。

返回值 成功则返回参数数目，失败则返回-1，错误原因存于errno中。

周星星的代码：

#include <stdio.h>

int main()
{
      const char* s = "iios/12DDWDFF@122";
      char buf[20];

      sscanf( s, "%*[^/]/%[^@]", buf );
      printf( "%s\n", buf );

      return 0;
}

结果为:12DDWDFF

sscanf与scanf类似，都是用于输入的，只是后者以屏幕(stdin)为输入源，前者以固定字符串为输入源。



函数原型： 

int scanf( const char *format [,argument]... ); 
其中的format可以是一个或多个 {%[*] [width] [{h | l | I64 | L}]type | ' ' | '\t' | '\n' | 非%符号}， 

注：{a|b|c}表示a,b,c中选一，[d],表示可以有d也可以没有d。 



width:宽度，一般可以忽略，用法如： 

const char sourceStr[] = "hello, world"; 

char buf[10] = {0}; 

sscanf(sourceStr, "%5s", buf); //%5s，只取5个字符 

cout << buf<< endl; 

结果为:hello 

{h | l | I64 | L}:参数的size,通常h表示单字节size，I表示2字节 size,L表示4字节size(double例外),l64表示8字节size。 

type :这就很多了，就是%s,%d之类。 



特别的： 

%*[width] [{h | l | I64 | L}]type 表示满足该条件的被过滤掉，不会向目标参数中写入值。如： 

const char sourceStr[] = "hello, world"; 

char buf[10] = {0}; 

sscanf(sourceStr, "%*s%s", buf); //%*s表示第一个匹配到的%s被过滤掉，即hello被过滤了 

cout << buf<< endl; 

结果为:world 

支持集合操作： 

%[a-z] 表示匹配a到z中任意字符，贪婪性(尽可能多的匹配) 

%[aB'] 匹配a、B、'中一员，贪婪性 

%[^a] 匹配非a的任意字符，贪婪性 

1. 常见用法。

以下是引用片段：
　　charstr[512]={0};
　　sscanf("123456","%s",str);
　　printf("str=%s
",str);

　　2. 取指定长度的字符串。如在下例中，取最大长度为4字节的字符串。

以下是引用片段：
　　sscanf("123456","%4s",str);
　　printf("str=%s
",str);

　　3. 取到指定字符为止的字符串。如在下例中，取遇到空格为止字符串。

以下是引用片段：
　　sscanf("123456abcdedf","%[^]",str);
　　printf("str=%s
",str);

　　4. 取仅包含指定字符集的字符串。如在下例中，取仅包含1到9和小写字母的字符串。

以下是引用片段：
　　sscanf("123456abcdedfBCDEF","%[1-9a-z]",str);
　　printf("str=%s
",str);

　　5. 取到指定字符集为止的字符串。如在下例中，取遇到大写字母为止的字符串。

以下是引用片段：
　　sscanf("123456abcdedfBCDEF","%[^A-Z]",str);
　　printf("str=%s",str); 



搜集一些特殊用法：

 

%[ ] 的用法：%[ ]表示要读入一个字符集合, 如果[ 后面第一个字符是”^”，则表示反意思。

                     [ ]内的字符串可以是1或更多字符组成。空字符集（%[]）是违反规定的，可

                     导致不可预知的结果。%[^]也是违反规定的。
          

%[a-z] 读取在 a-z 之间的字符串，如果不在此之前则停止，如

              char s[]="hello, my friend” ; // 注意: ,逗号在不 a-z之间

              sscanf( s, “%[a-z]”, string ) ; // string=hello


%[^a-z] 读取不在 a-z 之间的字符串，如果碰到a-z之间的字符则停止，如

              char s[]="HELLOkitty” ; // 注意: ,逗号在不 a-z之间


              sscanf( s, “%[^a-z]”, string ) ; // string=HELLO



%*[^=] 前面带 * 号表示不保存变量。跳过符合条件的字符串。

              char s[]="notepad=1.0.0.1001" ;

       char szfilename [32] = "" ;

       int i = sscanf( s, "%*[^=]", szfilename ) ;

// szfilename=NULL,因为没保存


int i = sscanf( s, "%*[^=]=%s", szfilename ) ;

// szfilename=1.0.0.1001


%40c 读取40个字符


%[^=] 读取字符串直到碰到’=’号，’^’后面可以带更多字符,如：

              char s[]="notepad=1.0.0.1001" ;

              char szfilename [32] = "" ;

             int i = sscanf( s, "%[^=]", szfilename ) ;

           // szfilename=notepad 


       如果参数格式是：%[^=:] ，那么也可以从 notepad:1.0.0.1001读取notepad



参考：

http://blog.csdn.net/beingstudio/articles/1806661.aspx

http://hi.baidu.com/lbird/blog/item/07e09c8282dbe992f703a6b0.html

http://hi.baidu.com/yinjianren/blog/item/28dce5ca75e30585c9176896.html