1 头文件
#include <regex.h>
2 基本方法
2.1 regcomp
- 函数原型
int regcomp(regex_t *preg, const char *regex, int cflags);
- 功能
编译正则表达式,以便regexec方法使用
- 参数含义
- preg
preg是一个指向编译后的正则表达式结构的指针,p意思是pointer,reg意思是regex_t类型。
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。
- regex
描述正则表达式的字符串。
- cflags
决定编译的类型。 可选值有:
值 说明 REG_EXTENDED 扩展的正则表达式,如果不设置则为基本的正则表达式 REG_ICASE 不区分大小写 REG_NOSUB 不用存储匹配后的结果。如果设置该标志位,那么在regexec将忽略nmatch和pmatch两个参数。 REG_NEWLINE 识别换行符。
- preg
- 返回值
返回值 说明 0 成功 其他错误码 失败
2.2 regexec
- 函数原型
int regexec(const regex_t *preg, const char *string, size_t nmatch, regmatch_t pmatch[], int eflags);
- 功能
根据编译好的正则表达式,对字符串进行匹配
- 参数含义
- preg
经过regcomp编译的正则表达式。
- string
待匹配的字符串。
- nmatch
匹配到的字符串的个数。
- pmatch
匹配到的数组。
- eflags
匹配的标志,可选的值有:
值 说明 REG_NOTBOL 不匹配行的开头,除非在regcomp编译时cflag设置REG_NEWLINE REG_NOTEOL 不匹配行的结束,除非在regcomp编译时cflag设置REG_NEWLINE
- preg
- 返回值
返回值 说明 0 成功 REG_NOTMATCH 失败
2.3 结构体regmatch_t
regmatch_t 的定义如下
typedef struct { regoff_t rm_so; regoff_t rm_eo; } regmatch_t;
其中:
如果-1==rm_so,表示没有匹配到。
如果-1!=rm_so,表示string中下一个最大子字符串的偏移量
rm_eo表示子字符串的长度。
2.4 regerror
- 函数原型
size_t regerror(int errcode, const regex_t *preg, char * errbuf, size_t errbuf_size);
- 功能
将regcomp和regexec返回的errorcode转换成错误信
- 参数含义
- errorcode
错误码,由regcomp或regexec获得。
- preg
经过regcomp编译的正则表达式。
- errbuf
存储错误信息的buffer。
- errbuf_size
errbuf的大小。
- errorcode
- 返回值
返回errbuf存储错误信息所需要的大小。
错误码 简写说明 错误说明 REG_BADBR BR=back reference 非法使用返回引用操作符 REG_BADPAT PAT=pattern 非法使用正则表达式操作符,例如group和list REG_BADRPT RPT=repetition 非法使用重复的操作符,例如在第一个字符使用 ’*’ REG_EBRACE EBRACE=error brace 大括号不匹配 REG_EBRACK EBRACK=error bracket 中括号不匹配 REG_ECOLLATE ECOLLATE=error collate 非法参数 REG_ECTYPE ECTYPE=error character type 错误的字符类型 REG_EEND EEND=error end 无具体错误。该错误码在POSIX.2中没有定义 REG_EESCAPE EESCAPE=error escape 多余的\ REG_EPAREN EPAREN=error parenthesis 圆括号不匹配 REG_ERANGE ERANGE=error range 非法使用范围操作符,例如结束的标识出现在开始标识之前 REG_ESIZE ESIZE=error size 编译正则表达式需要的内存大于64kb,在POSIX.2中没有定义 REG_ESPACE ESPACE=error space 编译正则表达式已经超出内存空间 REG_ESUBREG ESUBREG=error reference to a subexpression 非法使用子表达式的引用
2.5 regfree
- 函数原型
void regfree(regex_t *preg);
- 功能
释放由regcomp编译preg的内存
- 参数含义
经过regcomp编译的正则表达式
- 返回值
void
3 C++的简单封装
可以使用C++进行简单的封装,使其更好用一些
// cregex.h #include <vector> #include <string> #include <regex.h> using std::string; using std::vector; class CStringMatch; // 预先声明类 class CRegex { public: CRegex(const string& sPattern,int cflags=REG_EXTENDED); virtual ~CRegex(); string GetErrMsg(); CStringMatch Match(const string& sStr,int cflags=0); bool init(const string& sPattern,int cflags=REG_EXTENDED); operator bool() const {return m_isValid;} private: regex_t m_regex; int m_cflags; bool m_isValid; int m_errcode; bool isRegMatchUsed(const regmatch_t& sRegMatch); }; class CStringMatch { public: CStringMatch(const string& str):m_sStr(str){ } virtual ~CStringMatch(){}; string GetMatchContent(unsigned int index){ return string(m_sStr.c_str()+m_vMatchPlaces[index].rm_so, m_sStr.c_str()+m_vMatchPlaces[index].rm_eo); } regmatch_t GetMatchPlace(unsigned int index){ return m_vMatchPlaces.at(index); } operator bool() const {return m_isValid;} private: string m_sStr; friend CStringMatch CRegex::Match(const string& sStr,int cflags); bool m_isValid; vector<regmatch_t> m_vMatchPlaces; };
// cregex.cpp #include "cregex.h" CRegex::CRegex(const string& sPattern,int cflags) { init(sPattern,cflags); } bool CRegex::init(const string& sPattern,int cflags) { memset(&m_regex,‘\0‘,sizeof(m_regex)); m_errcode = regcomp(&m_regex,sPattern.c_str(),cflags); if(m_errcode != 0) { m_isValid = false; } m_isValid = true; return m_isValid; } CRegex::~CRegex() { regfree(&m_regex); } string CRegex::GetErrMsg() { char szErrMsg[1024+1] = ""; regerror(m_errcode, &m_regex, szErrMsg, sizeof(szErrMsg)); return szErrMsg; } CStringMatch CRegex::Match(const string& sStr,int cflags) { const unsigned int iMax = 20; regmatch_t pResults[iMax]; memset(pResults,‘\0‘,sizeof(pResults)); CStringMatch cMatchResult(sStr); m_errcode = regexec(&m_regex,sStr.c_str(),iMax,pResults,cflags); if(m_errcode == 0) { cMatchResult.m_isValid = true; unsigned int i = 0; for (i = 0; i < iMax; ++i) { if(isRegMatchUsed(pResults[i])) { cMatchResult.m_vMatchPlaces.push_back(pResults[i]); } } } else { cMatchResult.m_isValid = false; } return cMatchResult; } bool CRegex::isRegMatchUsed(const regmatch_t& sRegMatch) { return sRegMatch.rm_so != -1; }
这样使用时,只需要用正则字符串构造一个CRegex对象,并且它的match方法接收一个字符串作为匹配,并返回CStringMatch对象,使用CStringMatch对象的GetMatchContent方法获取捕获的内容
例如:
CRegex cRegex("(.*)省(.+)市/县([^行]+(行股份有限公司|股份有限公司|行|社))(.*)"); if(cRegex) { CStringMatch cMatches = cRegex.Match(sBankName); if(cMatches) { sBankNameElements.province = cMatches.GetMatchContent(1); sBankNameElements.city = cMatches.GetMatchContent(2); sBankNameElements.bank=cMatches.GetMatchContent(3); sBankNameElements.keywords=cMatches.GetMatchContent(5); DEBUG_LOG("province=[%s],city=[%s],bank=[%s],keywords=[%s]",sBankNameElements.province.c_str(),sBankNameElements.city.c_str(),sBankNameElements.bank.c_str(),sBankNameElements.keywords.c_str()); return true; } else { Trace(L_DEBUG, __FILE__, __LINE__, NULL, cRegex.GetErrMsg().c_str()); } }else{ Trace(L_DEBUG, __FILE__, __LINE__, NULL, cRegex.GetErrMsg().c_str()); }
时间: 2024-10-13 11:50:42