如何在C语言中巧用正则表达式（转）

原文来自于:http://www.chinaunix.net/jh/23/303346.html

看到大家讨论这方面的东西，作点贡献聊表各位高手对这个版快的无私奉献:oops:

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PhilipHazel的Perl-CompatibleRegularExpression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：

intregcomp(regex_t*preg,constchar*regex,intcflags);



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：

intregexec(constregex_t*preg,constchar*string,size_tnmatch,regmatch_tpmatch[],inteflags);
typedefstruct{
regoff_trm_so;
regoff_trm_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。

voidregfree(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_tregerror(interrcode,constregex_t*preg,char*errbuf,size_terrbuf_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*/
staticchar*substr(constchar*str,unsignedstart,unsignedend)
{
unsignedn=end-start;
staticcharstbuf[256];
strncpy(stbuf,str+start,n);
stbuf[n]=0;
returnstbuf;
}
/*主程序*/
intmain(intargc,char**argv)
{
char*pattern;
intx,z,lno=0,cflags=0;
charebuf[128],lbuf[256];
regex_treg;
regmatch_tpm[10];
constsize_tnmatch=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);
return1;
}
/*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;
elseif(z!=0){
regerror(z,&reg,ebuf,sizeof(ebuf));
fprintf(stderr,"%s:regcom('%s')/n",ebuf,lbuf);
return2;
}
/*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);
return0;
}



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：

#gccregexp.c-oregexp
#./regexp'regex[a-z]*'<regexp.c
0003:#include<regex.h>;
$0='regex'
0027:regex_treg;
$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。