如何在C语言中巧用正则表达式
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。
posted on 2006-09-23 02:29
Jerry Cat 阅读(303)
评论(0) 编辑 收藏 引用