linux c 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。

1.编译正则表达式

       为了提高效率，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。

2.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。

3.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。

4.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。

5.正则表达式应用

       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>

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(&reg, pattern, cflags);
    if (z != 0) {
        regerror(z, &reg, 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(&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;
        }

        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(&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)

执行：

# ./regexp 'regex[a-z]*' < regexp.c
0004: #include <regex.h>
 $0='regex'
0022:     regex_t reg;
 $0='regex'
0039:         z = regexec(&reg, lbuf, nmatch, pm, 0);
 $0='regexec