C regex 正则表达式小记

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。

时间: 2024-11-05 23:26:56

C regex 正则表达式小记的相关文章

转:C++ Boost/tr1 Regex(正则表达式)快速指南

C++ Boost/tr1 Regex(正则表达式)快速指南 正则表达式自Boost 1.18推出,目前已经成为C++11(tr1)的标准部分. 本文以Boost 1.39正则表达式为基础,应该广泛适用于其他版本的Boost.对namespace稍加修改,即可适用tr1标准. 0.regex对象 类似于Java中的Pattern,Boost中的正则表达式对象为: boost::regex 常见构造方法2种: 1 2 3 4 5 // 1. 直接使用正则表达式的字符串构造. boost::rege

【总结】java regex 正则表达式 提取数字和去除数字,过滤数字,提取价格

转: [总结]java regex 正则表达式 提取数字和去除数字,过滤数字,提取价格 @Test public void test33() { String phoneString = "哈哈,13888889999"; // 提取数字 // 1 Pattern pattern = Pattern.compile("[^0-9]"); Matcher matcher = pattern.matcher(phoneString); String all = matc

RegEx正则表达式

一.Regex简介 1.1 Regular Expression 正则表达式 用于文本的复杂处理 一种强大而灵活的文本处理工具 支持大部分的编程语言.数据库.文本编辑器.开发环境 eclipse.Notepad++.Editplus.UltraEdit.Mysql5.5以上.Oracle10g以上 eg: select prod_name from products where prod_name regexp '.000' 描述了一个规则,通过这个规则可以匹配一类字符串 1.2 工具 Rege

正则表达式小记

先来看下面一个例子,解析如下IP: 192.160.1.234[port=8080,type=ftp] 将上述表达式中的IP地址,端口号和端口类型提取出来. 没有正则表达式之前,大家猛的一看,估计崩溃了.没办法,用string类的方法截取呗.于是,我们写下了如下代码: string str = "192.160.1.234[port=8080,type=ftp]"; int indexIP = str.IndexOf("["); string ip = str.Su

Regular Expression Matching,regex,正则表达式匹配,利用动态规划

//动态规划 public class Regex { public boolean isMatch(String s, String p) { // p长度为0,边界条件. if (p.length() == 0) { return s.length() == 0; } // p长度为1,边界条件. if (p.length() == 1) { // s长度为0 if (s.length() < 1) { return false; } //首元素匹配有两种情况 // 如果p为.则s第一个元素

python 基础 8.0 regex 正则表达式--常用的正则表达式

一. python 中常用的正则表达式 二. 正则表达式的网站,可以进行在线正则匹配 https://regex101.com/ 1. 使用方法及正则介绍 1> '.'  匹配任意除换行符外(\n)的任意字符 '*'  匹配前一个字符0次或任意多次 2>\b  匹配数字0-9 3>\D  匹配非数字  [^\b] 4>\s  匹配空格字符 5> \S 匹配非空白字符 [^\s]* 6> \w  匹配单词字符 [a-z] [A-Z][0-9] 7> \W  匹配非单

regex正则表达式学习

正则表达式 动机1. 处理文本成为计算机常见工作之一2. 对文本内容的搜索提取是一项比较复杂困难的工作3. 为了快速方便处理上述问题,正则表达式技术诞生,主键发展为一个被众多语言使用的独立技术 定义:即高级文本匹配模式,提供了搜索,替代等功能.本质是由一系列特殊符号和字符组成的子串,这个子串即是正则表达式.这个表达式描述了字符和字符的重复行为,可以匹配一类特征的字符串. 目标:1. 熟练使用正则表达式符号2. 正确组合和理解一般的正则表达式3. 能够使用Python操作正则表达式 正则表达式特点

正则表达式小记--匹配但不获取

(?!=XXX[:|:|\s]?)\d{16}(?!=XXX)表示查找XXX内容,但最终结果不包括它(?=XXX)表示查找XXX内容,最终结果包括它[:|:|\s]? 表示 全角冒号,半角冒号,空格 或没有字符 (pattern) 匹配pattern 并获取这一匹配.所获取的匹配可以从产生的 Matches 集合得到,在VBScript 中使用 SubMatches 集合,在Visual Basic Scripting Edition 中则使用 $0…$9 属性.要匹配圆括号字符,请使用 '\(

RegEx正则表达式学习笔记

一.实用的例子 1 public static void main(String[] args) { 2 // 简单练习 3 System.out.println("-123".matches("-?\\d+")); 4 System.out.println("+5678".matches("(-|\\+)?\\d+")); 5 // QQ号 6 System.out.println("174678839431&qu