Chinaunix首页 | 论坛 | 博客
  • 博客访问: 102433
  • 博文数量: 33
  • 博客积分: 0
  • 博客等级: 民兵
  • 技术积分: 188
  • 用 户 组: 普通用户
  • 注册时间: 2014-12-23 19:19
文章分类

全部博文(33)

文章存档

2015年(22)

2014年(11)

我的朋友

分类: C/C++

2015-01-14 11:00:51

原文地址:linux c 正则表达式 作者:txgc_wm

       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:

点击(此处)折叠或打开

  1. #include <stdio.h>
  2. #include <string.h>
  3. #include <sys/types.h>
  4. #include <regex.h>

  5. static char *substr(const char *str, unsigned start, unsigned end)
  6. {
  7.     unsigned n = end - start;
  8.     static char stbuf[256];

  9.     strncpy(stbuf, str + start, n);
  10.     stbuf[n] = 0;

  11.     return stbuf;
  12. }

  13. int main(int argc, char **argv)
  14. {
  15.     char *pattern;
  16.     int x, z, lno = 0, cflags = 0;
  17.     char ebuf[128], lbuf[256];
  18.     regex_t reg;
  19.     regmatch_t pm[10];
  20.     const size_t nmatch = 10;

  21.     pattern = argv[1];
  22.     z = regcomp(&reg, pattern, cflags);
  23.     if (z != 0) {
  24.         regerror(z, &reg, ebuf, sizeof(ebuf));
  25.         fprintf(stderr, "%s: pattern '%s' \n", ebuf, pattern);
  26.         return 1;
  27.     }

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

  32.         z = regexec(&reg, lbuf, nmatch, pm, 0);
  33.         if (z == REG_NOMATCH)
  34.             continue;
  35.         else if (z != 0) {
  36.             regerror(z, &reg, ebuf, sizeof(ebuf));
  37.             fprintf(stderr, "%s: regcom('%s')\n", ebuf, lbuf);
  38.             return 2;
  39.         }

  40.         for (x = 0; x < nmatch && pm[x].rm_so != -1; ++x) {
  41.             if (!x)
  42.                 printf("%04d: %s\n", lno, lbuf);
  43.             printf(" $%d='%s'\n", x, substr(lbuf, pm[x].rm_so, pm[x].rm_eo));
  44.         }
  45.     }

  46.     regfree(&reg);

  47.     return 0;
  48. }
Makefile:

点击(此处)折叠或打开

  1. CC = gcc
  2. CFLAGS = -g -Wall
  3. TARGET = regexp
  4. EXECOBJS = ${TARGET}.o

  5. $(TARGET): $(EXECOBJS)
  6.     $(CC) $(CFLAGS) -o $(TARGET) $(EXECOBJS)
  7. %.o: %.c
  8.     $(CC) $(CFLAGS) -o $@ -c $<

  9. clean:
  10.     rm -rf *.o *.a *.so $(TARGET)
执行:

点击(此处)折叠或打开

  1. # ./regexp 'regex[a-z]*' < regexp.c
  2. 0004: #include <regex.h>
  3.  $0='regex'
  4. 0022:     regex_t reg;
  5.  $0='regex'
  6. 0039:         z = regexec(&reg, lbuf, nmatch, pm, 0);
  7.  $0='regexec

阅读(1463) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~