C语⾔正则表达式详解
regcomp（）regexec（）regfree（）⽤法详解
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。
C语⾔处理正则表达式常⽤的函数有regcomp()、regexec()、regfree()和regerror()，⼀般分为三个步骤，如下所⽰：
C语⾔中使⽤正则表达式⼀般分为三步：
1. 编译正则表达式 regcomp()
2. 匹配正则表达式 regexec()
3. 释放正则表达式 regfree()
下边是对三个函数的详细解释
1、int regcomp (regex_t *compiled, const char *pattern, int cflags)
这个函数把指定的正则表达式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。　
参数说明：
①regex_t 是⼀个结构体数据类型，⽤来存放编译后的正则表达式，它的成员re_nsub ⽤来存储正则表达式中的⼦正则表达式的个数，⼦正则表达式就是⽤圆括号包起来的部分表达式。
②pattern 是指向我们写好的正则表达式的指针。
③cflags 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正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)
当我们编译好正则表达式后，就可以⽤regexec 匹配我们的⽬标⽂本串了，如果在编译正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，在regex.h中定义：
typedef struct
{
regoff_t rm_so;
regoff_t rm_eo;
} regmatch_t;
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。因为往往我们的正则表达式中还包含⼦正则表达式。数组0单元存放主正则表达式位置，后边的单元依次存放⼦正则表达式位置。
参数说明：
①compiled 是已经⽤regcomp函数编译好的正则表达式。
②string 是⽬标⽂本串。
③nmatch 是regmatch_t结构体数组的长度。
④matchptr regmatch_t类型的结构体数组，存放匹配⽂本串的位置信息。
⑤eflags 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；
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正则表达式后，或者要重新编译其他正则表达式的时候，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。
参数说明：
①errcode 是由regcomp 和 regexec 函数返回的错误代号。
②compiled 是已经⽤regcomp函数编译好的正则表达式，这个值可以为NULL。
③buffer 指向⽤来存放错误信息的字符串的内存空间。
④length 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);
下边是⼀个匹配Email例⼦，按照上⾯的三步就可以。
下⾯的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。
#include <stdio.h>
#include <sys/types.h>
#include <regex.h>
/* 取⼦串的函数 */
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;
}
/* 主程序 */
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;
/
* 编译正则表达式*/
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;
}
/* 逐⾏处理输⼊的数据 */
while(fgets(lbuf, sizeof(lbuf), stdin))
{
++lno;
if ((z = strlen(lbuf)) > 0 && lbuf[z-1] == '\n')
lbuf[z - 1] = 0;
/* 对每⼀⾏应⽤正则表达式进⾏匹配 */
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;
}
/
* 输出处理结果 */
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));
}
}
/* 释放正则表达式 */
regfree(?);
return 0;
}
执⾏下⾯的命令可以编译并执⾏该程序：
# gcc regexp.c -o regexp
# ./regexp 'regex[a-z]*' < regexp.c
0003: #include <regex.h>
$0='regex'
0027: regex_t reg;
$0='regex'
0054: z = regexec(?, lbuf, nmatch, pm, 0);perl语言学习
$0='regexec'
⼩结：对那些需要进⾏复杂数据处理的程序来说，正则表达式⽆疑是⼀个⾮常有⽤的⼯具。本⽂重点在于阐述如何在C语⾔中利⽤正则表达式来简化字符串处理，以便在数据处理⽅⾯能够获得与Perl语⾔类似的灵活性。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。