C語言中巧用正規表示式 1

2021-05-06 17:24:08 字數 3920 閱讀 7566

如果使用者熟悉

linux

下的sed

、awk

、grep或vi

,那麼對正規表示式這一概念肯定不會陌生。由於它可以極大地簡化處理字串時的複雜度,因此現在已經在許多

linux

實用工具中得到了應用。千萬不要以為正規表示式只是

perl

、python

、bash

等指令碼語言的專利,作為

c語言程式設計師,使用者同樣可以在自己的程式中運用正規表示式。

標準的c和

c++都不支援正規表示式,但有一些函式庫可以輔助

c/c++

程式設計師完成這一功能,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式庫。

編譯正規表示式

為了提高效率,在將乙個字串與正規表示式進行比較之前,首先要用

regcomp()

函式對它進行編譯,將其轉化為

regex_t

結構:int regcomp(regex_t *preg, const char *regex, int cflags); 引數

regex

是乙個字串,它代表將要被編譯的正規表示式;引數

preg

指向乙個宣告為

regex_t

的資料結構,用來儲存編譯結果;引數

cflags

決定了正規表示式該如何被處理的細節。

如果函式

regcomp()

執行成功,並且編譯結果被正確填充到

preg

中後,函式將返回

0,任何其它的返回結果都代表有某種錯誤產生。

匹配正規表示式

一旦用regcomp()

函式成功地編譯了正規表示式,接下來就可以呼叫

regexec()

函式完成模式匹配:

int regexec(const regex_t *preg, const char *string, size_t nmatch,regmatch_t pmatch, int eflags);

typedef struct regmatch_t; 引數

preg

指向編譯後的正規表示式,引數

string

是將要進行匹配的字串,而引數

nmatch

和pmatch

則用於把匹配結果返回給呼叫程式,最後乙個引數

eflags

決定了匹配的細節。

在呼叫函式

regexec()

進行模式匹配的過程中,可能在字串

string

中會有多處與給定的正規表示式相匹配,引數

pmatch

就是用來儲存這些匹配位置的,而引數

nmatch

則告訴函式

regexec()

最多可以把多少個匹配結果填充到

pmatch

陣列中。當

regexec()

函式成功返回時,從

string+pmatch[0].rm_so

到string+pmatch[0].rm_eo

是第乙個匹配的字串,而從

string+pmatch[1].rm_so

到string+pmatch[1].rm_eo

,則是第二個匹配的字串,依此類推。

釋放正規表示式

無論什麼時候,當不再需要已經編譯過的正規表示式時,都應該呼叫函式

regfree()

將其釋放,以免產生記憶體洩漏。

void regfree(regex_t *preg); 函式

regfree()

不會返回任何結果,它僅接收乙個指向

regex_t

資料型別的指標,這是之前呼叫

regcomp()

函式所得到的編譯結果。

如果在程式中針對同乙個

regex_t

結構呼叫了多次

regcomp()

函式,posix

標準並沒有規定是否每次都必須呼叫

regfree()

函式進行釋放,但建議每次呼叫

regcomp()

函式對正規表示式進行編譯後都呼叫一次

regfree()

函式,以盡早釋放占用的儲存空間。

報告錯誤資訊

如果呼叫函式

regcomp()

或regexec()

得到的是乙個非

0的返回值,則表明在對正規表示式的處理過程中出現了某種錯誤,此時可以通過呼叫函式

regerror()

得到詳細的錯誤資訊。

size_t regerror(int errcode, const regex_t *preg, char *errbuf, size_t errbuf_size); 引數

errcode

是來自函式

regcomp()

或regexec()

的錯誤**,而引數

preg

則是由函式

regcomp()

得到的編譯結果,其目的是把格式化訊息所必須的上下文提供給

regerror()

函式。在執行函式

regerror()

時,將按照引數

errbuf_size

指明的最大位元組數,在

errbuf

緩衝區中填入格式化後的錯誤資訊,同時返回錯誤資訊的長度。

應用正規表示式

最後給出乙個具體的例項,介紹如何在

c語言程式中處理正規表示式。

#include

#include

#include

/* 取子串的函式

*/ static char* substr(const char*str, unsigned start, unsigned end)

/* 主程式*/

int main(int argc, char** argv)

/* 逐行處理輸入的資料

*/ while(fgets(lbuf, sizeof(lbuf), stdin))

/* 輸出處理結果

*/ for (x = 0; x < nmatch && pm[x].rm_so != -1; ++ x)

} /*

釋放正規表示式

*/ regfree(®);

return 0; }

上述程式負責從命令列獲取正規表示式,然後將其運用於從標準輸入得到的每行資料,並列印出匹配結果。執行下面的命令可以編譯並執行該程式:

# gcc regexp.c -o regexp

# ./regexp 'regex[a-z]*' < regexp.c

0003: #include

$0='regex'

0027: regex_t reg;

$0='regex'

0054: z = regexec(®, lbuf, nmatch, pm, 0);

$0='regexec'

小結

對那些需要進行複雜資料處理的程式來說,正規表示式無疑是乙個非常有用的工具。本文重點在於闡述如何在

c語言中利用正規表示式來簡化字串處理,以便在資料處理方面能夠獲得與

perl

語言類似的靈活性。

如何在C語言中巧用正規表示式

如何在c語言中巧用正規表示式 如果使用者熟悉 linux 下的sed awk grep或vi 那麼對正規表示式這一概念肯定不會陌生。由於它可以極大地簡化處理字串時的複雜度,因此現在已經在許多 linux 實用工具中得到了應用。千萬不要以為正規表示式只是 perl python bash 等指令碼語言...

如何在C語言中巧用正規表示式

如果使用者熟悉linux下的sed awk grep或vi,那麼對正規表示式這一概念肯定不會陌生。由於它可以極大地簡化處理字串時的複雜度,因此現在已經在許多linux實用工具中得到了應用。千萬不要以為正規表示式只是perl python bash等指令碼語言的專利,作為c語言程式設計師,使用者同樣可...

如何在C語言中巧用正規表示式

如果使用者熟悉linux下的sed awk grep或vi,那麼對正規表示式這一概念肯定不會陌生。由於它可以極大地簡化處理字串時的複雜度,因此現在已經在許多linux實用工具中得到了應用。千萬不要以為正規表示式只是perl python bash等指令碼語言的專利,作為c語言程式設計師,使用者同樣可...