linux c 正则表达式简介

骑猪看日落 2021-09-07 06:21 302阅读 0赞

**目录**

1. int regcomp (regex\_t \*compiled, const char \*pattern, int cflags)

2. int regexec (regex\_t \*compiled, char \*string, size\_t nmatch, regmatch\_t matchptr \[\], int eflags)

3. void regfree (regex\_t \*compiled)

4. size\_t regerror (int errcode, regex\_t \*compiled, char \*buffer, size\_t length)

实例

--------------------

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。

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

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。该函数虽然以regmatch\_t数组的形式定义了参数，但是实际上regexec()函数只能匹配到一个，让人误解啊，特别注明一下。

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);

### 实例 ###

#include <stdio.h>
    #include <sys/types.h>
    #include <regex.h>
    #include <stdlib.h>
    #include <string.h>
     
    int main(int argc, char *argv[])
    {
    	int i=0;
    	char buff[200]; 
        char *name = "<a href=\"http://blog.csdn.net/chinabhlt\">代码的世界</a>";
    	char *pattern = "href=\"http://[a-zA-Z].*\"";
    	regex_t reg;  
        regmatch_t pmatch[5];
    	int ret = regcomp(&reg,pattern,REG_EXTENDED);  // 编译正则表达式，为reg分配内存   
        ret = regexec(&reg,name,5,pmatch,0);  // 匹配正则表达式
        if(ret == 0)  
        {  
            printf("Match\n");  
      
            // 提取组信息,i从1开始   
            for(i=0;i<5&&pmatch[i].rm_so!=-1;i++)  
            {  
                memset(buff,0, sizeof(buff));
                int len = pmatch[i].rm_eo - pmatch[i].rm_so;  // 匹配长度
    			printf("%d\n", len);
                strncpy(buff,name+pmatch[i].rm_so,len);  
                printf("%s\n",buff);   
            }  
        }else if(ret == REG_NOMATCH)  
        {  
            printf("No match\n");  
        }else   
        {  
            char err[100];  
            regerror(ret,&reg,err,100); // 打印错误  
            printf("error:%s\n",err);  
        }  
      
        regfree(&reg);  // 释放内存，重复使用regcomp()时，一定要调用regfree()，防止内存漏洞  
        return 0;
    }

输出结果：

> Match  
> 37  
> href="http://blog.csdn.net/chinabhlt"