函数库regexec匹配正则表达式（转载）

  一个正则表达式的教程可以参看（里面有个测试正则表达式的工具）

    

 

     正则表达是用来匹配字符串的好东东。
  
     如果用户熟悉Linux下的sed、awk、grep或vi，那么对正则表达式这一概念肯定不会陌生。由于它可以极大地简化处理字符串时的复杂度，因此现在已经在许多Linux实用工具中得到了应用。千万不要以为正则表达式只是Perl、Python、Bash等脚本语言的专利，作为C语言程序员，用户同样可以在自己的程序中运用正则表达式。
   
    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。
   
    本人使用的是fedora 8系统，该版本中就带有这个函数库，下面介绍一下如何使用。（实际上只要使用man命令查询就可了解很多有关的细节了）
   
    很多在网上都有介绍，但多有些小的错误，于是我更改了并整理了一下。

    要使用正则表达式的函数库在你的程序前面包含
    #include
    #include
    
    下面介绍下如何使用：
    首先，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。（此处可以用man regcomp 命令查看详细的解释）
    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。
   
    接下来匹配正则表达式。
    一旦用regcomp()成功地编译了正则表达式，接下来就可以调用regexec()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regexec()最多可以把多少个匹配结果填充到pmatch数组中。当regexec()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。

    最后释放正则表达式。
    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regfree()将其释放，以免产生内存泄漏。
    void regfree(regex_t *preg);

    报告错误信息
   如果调用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regcomp()或regexec()的错误代码，而参数preg则是由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()。在执行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。



    给出一个应用正则表达式的例子
    （这个例子网上容易找到，但多半有些小错误，不能编译成功，我将其修改写在了下面）

例子如下：

#include
#include
#include




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;

}

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(®, pattern, cflags);

    if (z != 0)
    {   
        regerror(z, ®, ebuf, sizeof(ebuf));
        fprintf(stderr, "%s: pattern '%s' \n",ebuf, pattern);
        return 1;
    }

   

    while(fgets(lbuf, sizeof(lbuf), stdin))
    {
        ++lno;
        if ((z = strlen(lbuf)) > 0 && lbuf[z-1]== '\n') lbuf[z - 1] = 0;    

       
        z = regexec(®, lbuf, nmatch, pm, 0);
        if (z == REG_NOMATCH) continue;
        else if (z != 0)
        {
            regerror(z, ®, ebuf, sizeof(ebuf));
            fprintf(stderr, "%s: regcom('%s')\n",
            ebuf, lbuf);
            return 2;
        }

       

        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));
        }

    }

   

    regfree(®);    
    return 0;
}

上述程序负责从命令行获取正则表达式，然后将其运用于从标准输入得到的每行数据，并打印出匹配结果。执行下面的命令可以编译并执行该程序：
    # gcc regexp.c -o regexp (编译是会有两个警告，没有事）
    # ./regexp 'regex[a-z]*' < regexp.c
   
    0003: #include
    $0='regex'
    0027: regex_t reg;
    $0='regex'
    0054: z = regexec(?, lbuf, nmatch, pm, 0);
    $0='regexec'

小结
    在C语言中使用正则表达式并不复杂。
    正则表达式用来匹配复杂的字符串非常好用。
---------------------------------------------------------------------------

附：

1.int   regcomp   (regex_t   *compiled,   const   char   *pattern,   int   cflags)  
   
  这个函数把指定的规则表达式pattern编译成一种特定的数据格式compiled，这样可以使匹配更有效。函数regexec   会使用这个数据在目标文本串中进行模式匹配。执行成功返回０。  
   
  regex_t   是一个结构体数据类型，用来存放编译后的规则表达式，它的成员re_nsub   用来存储规则表达式中的子规则表达式的个数，子规则表达式就是用圆括号包起来的部分表达式。  
   
  pattern   是指向我们写好的规则表达式的指针。  
  cflags   有如下4个值或者是它们或运算(|)后的值:  
  REG_EXTENDED   以功能更加强大的扩展规则表达式的方式进行匹配。  
  REG_ICASE   匹配字母时忽略大小写。  
  REG_NOSUB   不用存储匹配后的结果。  
  REG_NEWLINE   识别换行符，这样'$'就可以从行尾开始匹配，'^'就可以从行的开头开始匹配。  
   
  2.   int   regexec   (regex_t   *compiled,   char   *string,   size_t   nmatch,   regmatch_t   matchptr   [],   int   eflags)  
   
  当我们编译好规则表达式后，就可以用regexec   匹配我们的目标文本串了，如果在编译规则表达式的时候没有指定cflags的参数为REG_NEWLINE，则默认情况下是忽略换行符的，也就是把整个文本串当作一个字符串处理。执行成功返回０。  
   
  regmatch_t   是一个结构体数据类型，成员rm_so   存放匹配文本串在目标串中的开始位置，rm_eo   存放结束位置。通常我们以数组的形式定义一组这样的结构。因为往往我们的规则表达式中还包含子规则表达式。数组0单元存放主规则表达式位置，后边的单元依次存放子规则表达式位置。  
   
  compiled   是已经用regcomp函数编译好的规则表达式。  
  string   是目标文本串。  
  nmatch   是regmatch_t结构体数组的长度。  
  matchptr   regmatch_t类型的结构体数组，存放匹配文本串的位置信息。  
  eflags   有两个值  
  REG_NOTBOL   按我的理解是如果指定了这个值，那么'^'就不会从我们的目标串开始匹配。总之我到现在还不是很明白这个参数的意义，   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   和上边那个作用差不多，不过这个指定结束end   of   line。  
   
  3.   void   regfree   (regex_t   *compiled)  
   
  当我们使用完编译好的规则表达式后，或者要重新编译其他规则表达式的时候，我们可以用这个函数清空compiled指向的regex_t结构体的内容，请记住，如果是重新编译的话，一定要先清空regex_t结构体。  
   
  4.   size_t   regerror   (int   errcode,   regex_t   *compiled,   char   *buffer,   size_t   length)  
   
  当执行regcomp   或者regexec   产生错误的时候，就可以调用这个函数而返回一个包含错误信息的字符串。  
   
  errcode   是由regcomp   和   regexec   函数返回的错误代号。  
  compiled   是已经用regcomp函数编译好的规则表达式，这个值可以为NULL。  
  buffer   指向用来存放错误信息的字符串的内存空间。  
  length   指明buffer的长度，如果这个错误信息的长度大于这个值，则regerror   函数会自动截断超出的字符串，但他仍然会返回完整的字符串的长度。所以我们可以用如下的方法先得到错误字符串的长度。  
  size_t   length   =   regerror   (errcode,   compiled,   NULL,   0);