posix規定了正規表示式的c語言庫函式,詳見regex(3)。我們已經學習了很多c語言庫函式的用法,大家一定具備自己看懂man手冊的能力了。在我的shell專欄中,我詳細介紹了正規表示式在grep、sed、awk中的用法,學習要能夠舉一反三,希望大家根據regex(3)自己總結正規表示式在c語言中的用法,寫一些簡單的程式,例如驗證使用者輸入的ip位址或email位址格式是否正確。
c語言處理正規表示式常用的函式有regcomp()、regexec()、regfree()和regerror(),一般分為三個步驟,如下所示:
編譯正規表示式 regcomp()
匹配正規表示式 regexec()
釋放正規表示式 regfree()
這個函式把指定的正規表示式pattern編譯成一種特定的資料格式compiled,這樣可以使匹配更有效。函式regexec 會使用這個資料在目標文字串中進行模式匹配。執行成功返回0。
編譯:字串(寫好的正規表示式)——> 結構體
int regcomp (regex_t *compiled, const char *pattern, int cflags)
regex_t
是乙個結構體資料型別,用來存放編譯後的正規表示式,它的成員
re_nsub
用來儲存正規表示式中的子正規表示式的個數,子正規表示式就是用圓括號包起來的部分表示式。
pattern
是指向我們寫好的正規表示式的指標。
(寫好的待匹配的正規表示式)
cflags
有如下4
個值或者是它們或運算
(|)後的值:
reg_extended 以功能更加強大的擴充套件正規表示式的方式進行匹配。
reg_icase 匹配字母時忽略大小寫。
reg_nosub 不用儲存匹配後的結果,只返回是否成功匹配。
如果設定該標誌位,那麼在regexec將忽略nmatch和pmatch兩個引數,也即regexec的參3取0, 並且參4賦null。
reg_newline 識別換行符,這樣'$'就可以從行尾開始匹配,'^'就可以從行的開頭開始匹配。
當我們編譯好正規表示式後,就可以用regexec 匹配我們的目標文字串了,如果在編譯正規表示式的時候沒有指定cflags的引數為reg_newline,則預設情況下是忽略換行符的,也就是把整個文字串當作乙個字串處理。執行成功返回0。
regmatch_t 是乙個結構體資料型別,在regex.h中定義:
typedef struct regmatch_t;
成員rm_so存放匹配文字串在目標串中的開始位置,rm_eo存放結束位置。通常我們以陣列的形式定義一組這樣的結構。因為往往我們的正規表示式中還包含子正規表示式。陣列0單元存放主正規表示式位置,後邊的單元依次存放子正規表示式位置。
int regexec (regex_t *compiled, char *string, size_t nmatch, regmatch_t matchptr, int eflags)
compiled 是已經用regcomp函式編譯好的正規表示式。
string 是目標文字串。(待匹配檔案中的一行)
nmatch 是regmatch_t結構體陣列的長度。
matchptr regmatch_t型別的結構體陣列,存放匹配文字串的位置資訊。(用來儲存)
eflags 有兩個值:
reg_notbol 讓特殊字元^無作用
reg_noteol 讓特殊字元$無作用
當我們使用完編譯好的正規表示式後,或者要重新編譯其他正規表示式的時候,我們可以用這個函式清空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。
void regfree (regex_t *compiled)
當執行regcomp 或者regexec 產生錯誤的時候,就可以呼叫這個函式而返回乙個包含錯誤資訊的字串。
size_t regerror (int errcode, regex_t *compiled, char *buffer, size_t length)
errcode
是由regcomp
和regexec
函式返回的錯誤代號
(函式返回值)。
compiled
是已經用
regcomp
函式編譯好的正規表示式,這個值可以為
null。
buffer
指向用來存放錯誤資訊的字串的記憶體空間。
length
指明buffer
的長度,如果這個錯誤資訊的長度大於這個值,則
regerror
函式會自動截斷超出的字串,但他仍然會返回完整的字串的長度。所以我們可以用如下的方法先得到錯誤字串的長度。
例如: size_t length = regerror (errcode, compiled, null, 0);
#include #include #include int main(int argc, char **ar**)
const char * pregexstr = ar**[1];
const char * ptext = ar**[2];
regex_t oregex;
int nerrcode = 0;
char szerrmsg[1024] = ;
size_t unerrmsglen = 0;
if ((nerrcode = regcomp(&oregex, pregexstr, reg_extended|reg_nosub)) == 0)
}unerrmsglen = regerror(nerrcode, &oregex, szerrmsg, sizeof(szerrmsg));
unerrmsglen = unerrmsglen < sizeof(szerrmsg) ? unerrmsglen : sizeof(szerrmsg) - 1;
szerrmsg[unerrmsglen] = '\0';
printf("errmsg: %s\n", szerrmsg);
regfree(&oregex);
return 1;
}
匹配**:
./a.out "\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*" "[email protected]" 注:
\w匹配乙個字元,包含下劃線
C語言使用正規表示式
一 簡介 乙個好的程式設計師是會使用db和regular expression的程式設計師,可見兩者是多麼重要。正規表示式是能極大地提高工作效率的工具,使用過linux下各種具備re特性的工具的人一定對此深有感觸。很多語言都支援re,用的最多的當然是指令碼,其中以perl最盛。不過,用c語言來用re...
C語言使用正規表示式
校驗時間格式 正規表示式使用詳解 幾個比較常用的正規表示式 常見的正規表示式 整理自ets3100 cmdline 1.只能輸入字母或數字 const char pattern a za z0 9 2.校驗2019 07 23 的格式輸入是否正確 const char pattern 0 9 1 9...
C語言正規表示式
在很多人看來,正規表示式看上去古怪且複雜,因此往往不想去觸及或使用。如果我們拋開這種 畏難 心理,在經過循序漸進地學習之後,就會發現這些複雜的表示式其實寫起來還是相當簡單的。一旦它被你所 馴服 就可利用正規表示式把原需數小時辛苦且易錯的文字處理工作壓縮在幾分鐘 甚至幾秒鐘 內完成。正規表示式定義 正...