如何在C語言中巧用正則表達式
如果用戶熟悉Linux下的sed、awk、grep或vi，那么對正則表達式這一概念肯定不會陌生。由于它可以極大地簡化處理字符串時的復雜度，因此現在已經在許多Linux實用工具中得到了應用。千萬不要以為正則表達式只是Perl、Python、Bash等腳本語言的專利，作為C語言程序員，用戶同樣可以在自己的程序中運用正則表達式。?
標準的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。?
編譯正則表達式?
為了提高效率，在將一個字符串與正則表達式進行比較之前，首先要用regcomp()函數對它進行編譯，將其轉化為regex_t結構：?
int
?regcomp(regex_t?
*
preg,?
const
?
char
?
*
regex,?
int
?cflags);?
參數regex是一個字符串，它代表將要被編譯的正則表達式；參數preg指向一個聲明為regex_t的數據結構，用來保存編譯結果；參數cflags決定了正則表達式該如何被處理的細節。?
如果函數regcomp()執行成功，并且編譯結果被正確填充到preg中后，函數將返回0，任何其它的返回結果都代表有某種錯誤產生。?
匹配正則表達式?
一旦用regcomp()函數成功地編譯了正則表達式，接下來就可以調用regexec()函數完成模式匹配：?
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;?
參數preg指向編譯后的正則表達式，參數string是將要進行匹配的字符串，而參數nmatch和pmatch則用于把匹配結果返回給調用程序，最后一個參數eflags決定了匹配的細節。?
在調用函數regexec()進行模式匹配的過程中，可能在字符串string中會有多處與給定的正則表達式相匹配，參數pmatch就是用來保存這些匹配位置的，而參數nmatch則告訴函數regexec()最多可以把多少個匹配結果填充到pmatch數組中。當regexec()函數成功返回時，從string+pmatch[0].rm_so到string+pmatch[0].rm_eo是第一個匹配的字符串，而從string+pmatch[1].rm_so到string+pmatch[1].rm_eo，則是第二個匹配的字符串，依此類推。?
釋放正則表達式?
無論什么時候，當不再需要已經編譯過的正則表達式時，都應該調用函數regfree()將其釋放，以免產生內存泄漏。?
void
?regfree(regex_t?
*
preg);?
函數regfree()不會返回任何結果，它僅接收一個指向regex_t數據類型的指針，這是之前調用regcomp()函數所得到的編譯結果。?
如果在程序中針對同一個regex_t結構調用了多次regcomp()函數，POSIX標準并沒有規定是否每次都必須調用regfree()函數進行釋放，但建議每次調用regcomp()函數對正則表達式進行編譯后都調用一次regfree()函數，以盡早釋放占用的存儲空間。?
報告錯誤信息?
如果調用函數regcomp()或regexec()得到的是一個非0的返回值，則表明在對正則表達式的處理過程中出現了某種錯誤，此時可以通過調用函數regerror()得到詳細的錯誤信息。?
size_t?regerror(
int
?errcode,?
const
?regex_t?
*
preg,?
char
?
*
errbuf,?size_t?errbuf_size);?
參數errcode是來自函數regcomp()或regexec()的錯誤代碼，而參數preg則是由函數regcomp()得到的編譯結果，其目的是把格式化消息所必須的上下文提供給regerror()函數。在執行函數regerror()時，將按照參數errbuf_size指明的最大字節數，在errbuf緩沖區中填入格式化后的錯誤信息，同時返回錯誤信息的長度。?
應用正則表達式?
最后給出一個具體的實例，介紹如何在C語言程序中處理正則表達式。?
#include?
<
stdio.h
>
;?
#include?
<
sys
/
types.h
>
;?
#include?
<
regex.h
>
;?
/**/
/*
?取子串的函數?
*/
?
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
;?
??
/**/
/*
?編譯正則表達式
*/
?
??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
;?
??}
?
??
/**/
/*
??逐行處理輸入的數據?
*/
?
??
while
(fgets(lbuf,?
sizeof
(lbuf),?stdin))?
{?
????
++
lno;?
????
if
?((z?
=
?strlen(lbuf))?
>
;?
0
?
&&
?lbuf[z
-
1
]?
==
?
'
\n
'
)?
??????lbuf[z?
-
?
1
]?
=
?
0
;?
????
/**/
/*
?對每一行應用正則表達式進行匹配?
*/
?
????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
;?
????}
?
????
/**/
/*
?輸出處理結果?
*/
?
????
for
?(x?
=
?
0
;?x?
<
?nmatch?
&&
?pm[x].rm_so?
!=
?
-
1
;?
++
?x)?
{?
??????
if
?(
!
x)?printf(
"
%04d:?%s\n
"
,?lno,?lbuf);?
??????printf(
"
??$%d='%s'\n
"
,?x,?substr(lbuf,?pm[x].rm_so,?pm[x].rm_eo));?
????}
?
??}
?
??
/**/
/*
?釋放正則表達式??
*/
?
??regfree(
&
reg);?
??
return
?
0
;?
}
?
上述程序負責從命令行獲取正則表達式，然后將其運用于從標準輸入得到的每行數據，并打印出匹配結果。執行下面的命令可以編譯并執行該程序：?
#
??gcc?regexp.c?-o?regexp?
#??./regexp??'regex[a-z]*'?<?regexp.c?
0003
:
?
#
include?<regex.h>;?
??$
0
=
'
regex
'
?
0027
:
???regex_t?reg;?
??$
0
=
'
regex
'
?
0054
:
?????z?
=
?regexec(
&
reg
,
?lbuf
,
?nmatch
,
?pm
,
?
0
);?
??$
0
=
'
regexec
'
?
小結?
對那些需要進行復雜數據處理的程序來說，正則表達式無疑是一個非常有用的工具。本文重點在于闡述如何在C語言中利用正則表達式來簡化字符串處理，以便在數據處理方面能夠獲得與Perl語言類似的靈活性。
posted on 2006-09-23 02:29
Jerry Cat 閱讀(309)
評論(0) 編輯 收藏 引用