C語言正則表達式詳解

標准的C和C++都不支持正則表達式，但有一些函數庫可以輔助C/C++程序員完成這一功能，其中最著名的當數Philip Hazel的Perl-Compatible Regular Expression庫，許多Linux發行版本都帶有這個函數庫。

 

C語言處理正則表達式常用的函數有regcomp()、regexec()、regfree()和regerror()，一般分為三個步驟，如下所示：

 

C語言中使用正則表達式一般分為三步：

編譯正則表達式 regcomp()

匹配正則表達式 regexec()

釋放正則表達式 regfree()

 

下邊是對三個函數的詳細解釋

1、int regcomp (regex_t *compiled, const char *pattern, int cflags)

這個函數把指定的正則表達式pattern編譯成一種特定的數據格式compiled，這樣可以使匹配更有效。函數regexec 會使用這個數據在目標文本串中進行模式匹配。執行成功返回０。 　

 

參數說明：

①regex_t 是一個結構體數據類型，用來存放編譯后的正則表達式，它的成員re_nsub 用來存儲正則表達式中的子正則表達式的個數，子正則表達式就是用圓括號包起來的部分表達式。

②pattern 是指向我們寫好的正則表達式的指針。

③cflags 有如下4個值或者是它們或運算(|)后的值：

REG_EXTENDED 以功能更加強大的擴展正則表達式的方式進行匹配。

REG_ICASE 匹配字母時忽略大小寫。

REG_NOSUB 不用存儲匹配后的結果。

REG_NEWLINE 識別換行符，這樣'$'就可以從行尾開始匹配，'^'就可以從行的開頭開始匹配。

 

2. int regexec (regex_t *compiled, char *string, size_t nmatch, regmatch_t matchptr [], int eflags)

當我們編譯好正則表達式后，就可以用regexec 匹配我們的目標文本串了，如果在編譯正則表達式的時候沒有指定cflags的參數為REG_NEWLINE，則默認情況下是忽略換行符的，也就是把整個文本串當作一個字符串處理。執行成功返回０。

regmatch_t 是一個結構體數據類型，在regex.h中定義：             

typedef struct

{

   regoff_t rm_so;

   regoff_t rm_eo;

} regmatch_t;

成員rm_so 存放匹配文本串在目標串中的開始位置，rm_eo 存放結束位置。通常我們以數組的形式定義一組這樣的結構。因為往往我們的正則表達式中還包含子正則表達式。數組0單元存放主正則表達式位置，后邊的單元依次存放子正則表達式位置。

 

參數說明：

①compiled 是已經用regcomp函數編譯好的正則表達式。

②string 是目標文本串。

③nmatch 是regmatch_t結構體數組的長度。

④matchptr regmatch_t類型的結構體數組，存放匹配文本串的位置信息。

⑤eflags 有兩個值

REG_NOTBOL 按我的理解是如果指定了這個值，那么'^'就不會從我們的目標串開始匹配。總之我到現在還不是很明白這個參數的意義；

REG_NOTEOL 和上邊那個作用差不多，不過這個指定結束end of line。

 

3. void regfree (regex_t *compiled)

當我們使用完編譯好的正則表達式后，或者要重新編譯其他正則表達式的時候，我們可以用這個函數清空compiled指向的regex_t結構體的內容，請記住，如果是重新編譯的話，一定要先清空regex_t結構體。

 

4. size_t regerror (int errcode, regex_t *compiled, char *buffer, size_t length)

當執行regcomp 或者regexec 產生錯誤的時候，就可以調用這個函數而返回一個包含錯誤信息的字符串。

 

參數說明：

①errcode 是由regcomp 和 regexec 函數返回的錯誤代號。

②compiled 是已經用regcomp函數編譯好的正則表達式，這個值可以為NULL。

③buffer 指向用來存放錯誤信息的字符串的內存空間。

④length 指明buffer的長度，如果這個錯誤信息的長度大於這個值，則regerror 函數會自動截斷超出的字符串，但他仍然會返回完整的字符串的長度。所以我們可以用如下的方法先得到錯誤字符串的長度。

 

size_t length = regerror (errcode, compiled, NULL, 0);

 

下邊是一個匹配Email例子，按照上面的三步就可以。

 

#include <stdio.h>
#include <sys/types.h>
#include <regex.h>

int main(void)
{
int status = 0, i = 0;
int flag = REG_EXTENDED;
regmatch_t pmatch[1];
const size_t nmatch = 1;
regex_t reg;
const char *pattern = "^\\w+([-+.]\\w+)*@\\w+([-.]\\w+)*\\.\\w+([-.]\\w+)*$";
char *buf = "[e-mail]";//success
// char *buf = "###[e-mail]";//error

regcomp(&reg, pattern, flag);
status = regexec(&reg, buf, nmatch, pmatch, 0);
if(status == REG_NOMATCH){
printf("no match\n");
}else if(status == 0){
printf("match success\n");
for(i = pmatch[0].rm_so; i < pmatch[0].rm_eo; i++){
putchar(buf[i]);
}
putchar('\n');
}
regfree(&reg);

return 0;
}

 

終端運行：

[centos@localhost manual]$ vi regular.c

[centos@localhost manual]$ gcc regular.c -Wall

[centos@localhost manual]$ ./a.out 

match success

[e-mail]

[centos@localhost manual]$