c语言正则表达式可编译c文件

叁歲伎倆 2022-05-30 03:28 199阅读 0赞

**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);

下面是一个可运行的具体例子（linux gcc 编译通过运行）：

\#include <stdio.h>

\#include <string.h>  
\#include <regex.h>  
  
\#define SUBSLEN 10 /\* 匹配子串的数量 \*/  
\#define EBUFLEN 128 /\* 错误消息buffer长度 \*/  
\#define BUFLEN 1024 /\* 匹配到的字符串buffer长度 \*/  
  
int main()  
\{  
size\_t len;  
regex\_t re; /\* 存储编译好的正则表达式，正则表达式在使用之前要经过编译 \*/  
regmatch\_t subs \[SUBSLEN \]; /\* 存储匹配到的字符串位置 \*/  
char matched \[BUFLEN \]; /\* 存储匹配到的字符串 \*/  
char errbuf \[EBUFLEN \]; /\* 存储错误消息 \*/  
int err, i;  
  
char src \[\] = "111 <title>Hello World</title> 222"; /\* 源字符串 \*/  
char pattern \[\] = "<title>(.\*)</title>"; /\* pattern字符串 \*/  
  
printf("String : %s\\n", src);  
printf("Pattern: \\"%s\\"\\n", pattern);  
  
/\* 编译正则表达式 \*/  
err = regcomp(&re, pattern, REG\_EXTENDED);  
  
if (err) \{  
len = regerror(err, &re, errbuf, sizeof(errbuf));  
printf("error: regcomp: %s\\n", errbuf);  
return 1;  
\}  
printf("Total has subexpression: %d\\n", re.re\_nsub);  
/\* 执行模式匹配 \*/  
err = regexec(&re, src, (size\_t) SUBSLEN , subs, 0);  
  
if (err == REG\_NOMATCH) \{ /\* 没有匹配成功 \*/  
printf("Sorry, no match ...\\n");  
regfree(&re);  
return 0;  
\} else if (err) \{ /\* 其它错误 \*/  
len = regerror(err, &re, errbuf, sizeof(errbuf));  
printf("error: regexec: %s\\n", errbuf);  
return 1;  
\}  
  
/\* 如果不是REG\_NOMATCH并且没有其它错误，则模式匹配上 \*/  
printf("\\nOK, has matched ...\\n\\n");  
for (i = 0; i <= re.re\_nsub; i++) \{  
len = subs\[i\].rm\_eo - subs\[i\].rm\_so;  
if (i == 0) \{  
printf ("begin: %d, len = %d ", subs\[i\].rm\_so, len); /\* 注释1 \*/  
\} else \{  
printf("subexpression %d begin: %d, len = %d ", i, subs\[i\].rm\_so, len);  
\}  
memcpy (matched, src + subs\[i\].rm\_so, len);  
matched\[len\] = '\\0';  
printf("match: %s\\n", matched);  
\}  
  
regfree(&re); /\* 用完了别忘了释放 \*/  
return (0);  
\}