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(|)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,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的參數為
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。因為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,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'^'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,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,這個值可以為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);
}
| |