如何在C语言中巧用正则表达式

骑猪看日落 2024-04-19 14:09 54阅读 0赞

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。   
  
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。   
  
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。   
  
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。   
  
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。   
  
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。   
  
应用正则表达式   
  
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。   
  
\#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(&reg, pattern, cflags);  
  if (z != 0)\{  
    regerror(z, &reg, 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(&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;  
    \}  
    /\* 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(&reg);  
  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  
\#  ./regexp  'regex\[a-z\]\*' < regexp.c  
0003: \#include <regex.h>;  
  $0='regex'  
0027:   regex\_t reg;  
  $0='regex'  
0054:     z = regexec(&reg, lbuf, nmatch, pm, 0);  
  $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

转载于:https://my.oschina.net/alphajay/blog/56320