2016-11-04

Linux下C/C++正则表达式详解

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。以POSIX函数库中的Regex系列函数来说明在Linux C下如何使用正则表达式

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：

编译正则表达式 regcomp()

匹配正则表达式 regexec()

释放正则表达式 regfree()

1、编译正则表达式：

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：
　　①compiled: regex_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: 指向我们写好的正则表达式的指针。

　　③cflags: 编译开关控制细节，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、匹配正则表达式：

int regexec(regex_t compiled, char string, size_t nmatch, regmatch_t pmatch [], 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: 是待匹配的字符串。

　　③nmatch: 是regmatch_t结构体数组的长度，被匹配的个数。

　　④pmatch: 匹配的结果数组。

　　⑤eflags: 匹配的特性
　　　　　REG_NOTBOL 是否是第一行
　　　　　REG_NOTEOL 是否是最后一行

3、释放正则表达式：

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、报告错误信息：

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);

5、正则表达式框架：

int mymatch(char *buf)
{
    const char *pattern = "";
    regex_t reg;
    
    regmatch_t pmatch[10];
    const size_t nmatch = 10;
    int cflag = REG_EXTENDED;
    /* 编译正则表达式 */
    if(regcomp(&reg, pattern, cflag) != 0) {  //如果编译正则表达式失败
       perror("regcomp failed!");
       exit(1);
    }
    int status, i;
    /* 执行匹配 */
    status = regexec(&reg, buf, nmatch, pmatch, 0);
    if(status == REG_NOMATCH) {
       printf("No Match\n");
       return 0;
    }
    else if(status == 0) {
       printf("Match: \n");
       /* 把匹配的字符串都提取出来 */
       for(i = 0; i < nmatch && pmatch[i].rm_so != -1; i++) {
           //对匹配的字符串进行的操作
       }
    }
    regfree(&reg); //释放正则表达式
}

6、正则表达式实例：

1.参考代码

2.编译运行

g++ -o regcomp regcomp.cpp

./regcomp

当前目录下的测试文件test.txt的内容：

1
2
3

　　lvsicheng@109<html>44<b>959</b>kkk
　　abc1234 jkx124988AAxkkk
　　123456

参考博客

http://c.biancheng.net/cpp/html/1428.html

http://blog.csdn.net/taiyang1987912/article/details/49680907

赏

纯属好玩

扫码打赏，你说多少就多少

打开支付宝扫一扫，即可进行扫码打赏哦

本文标题:Linux下C/C++正则表达式详解

文章作者:sichengLv

发布时间:2016年11月04日 - 18时56分

最后更新:2017年09月03日 - 16时56分

原始链接:https://sichenglv.github.io/2016/11/04/Linux下C-C-正则表达式详解-1/

许可协议: "署名-非商用-相同方式共享 3.0" 转载请保留原文链接及作者。