GNU C 規則表示式入門(轉)

GNU C 規則表示式入門(轉)[@more@]

用過Perl的朋友應該都它提供了規則表示式功能，所以使得用perl 進行文字處理非常方便。本人最近試用了一下

　　　 GNU C 的規則表示式功能，

　　　 發現使用起來也很簡單，只是覺得支援的不夠強大，不能夠進行文字的替換，只能進行文字的查詢，至少目前我是

　　　 沒有發現基於規則表示式的

　　　 文字替換功能。

　　　 下面我就簡單的介紹一下GNU C 的規則表示式使用方法，有理解不對的地方，還請朋友們多指正。

　　　 在GNU C 中要使用規則表示式，需要用到以下幾個函式。（定義在/usr/include/regex.h檔案中）

　　　 * int regcomp (regex_t *compiled, const char *pattern, int cflags)

　　　 * int regexec (regex_t *compiled, char *string, size_t nmatch, regmatch_t matchptr [], int

　　　 eflags)

　　　 * void regfree (regex_t *compiled)

　　　 * size_t regerror (int errcode, regex_t *compiled, char *buffer, size_t length)

　　　 下面我就介紹分別一下這幾個函式和它用到的一些資料型別。

　　　 1.int regcomp (regex_t *compiled, const char *pattern, int cflags)

　　　 這個函式把指定的規則表示式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

　　　 本串中進行模式匹配。執行成功返回０。

　　　 regex_t 是一個結構體資料型別，用來存放編譯後的規則表示式，它的成員re_nsub 用來儲存規則表示式中的子

　　　 規則表示式的個數，子規則表

　　　 達式就是用圓括號包起來的部分表示式。

　　　 pattern 是指向我們寫好的規則表示式的指標。

　　　 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規則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。

　　　 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。

　　　 2. int regexec (regex_t *compiled, char *string, size_t nmatch, regmatch_t matchptr [], int

　　　 eflags)

　　　 當我們編譯好規則表示式後，就可以用regexec 匹配我們的目標文字串了，如果在編譯規則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一個字串處理。執行成功返回０。

　　　 regmatch_t 是一個結構體資料型別，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。因為往往我們的規則表示式中還包含子規則表示式。陣列0單元存放主規則表示式位置，後邊的

　　　 單元依次存放子規則表示式位

　　　 置。

　　　 compiled 是已經用regcomp函式編譯好的規則表示式。

　　　 string 是目標文字串。

　　　 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。

　　　 eflags 有兩個值

　　　 REG_NOTBOL 按我的理解是如果指定了這個值，那麼'^'就不會從我們的目標串開始匹配。總之我到現在還不是很

　　　 明白這個引數的意義，

　　　 原文如下：

　　　 If this bit is set, then the beginning-of-line operator doesn't match the beginning of the

　　　 string (presumably

　　　 because it's not the beginning of a line).If not set, then the beginning-of-line operator

　　　 does match the beginning

　　　 of the string.

　　　 REG_NOTEOL 和上邊那個作用差不多，不過這個指定結束end of line。

　　　 3. void regfree (regex_t *compiled)

　　　 當我們使用完編譯好的規則表示式後，或者要重新編譯其他規則表示式的時候，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。

　　　 4. size_t regerror (int errcode, regex_t *compiled, char *buffer, size_t length)

　　　 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一個包含錯誤資訊的字串。

　　　 errcode 是由regcomp 和 regexec 函式返回的錯誤代號。

　　　 compiled 是已經用regcomp函式編譯好的規則表示式，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元

　　　 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。

　　　 size_t length = regerror (errcode, compiled, NULL, 0);

　　　 好了，下面來實戰一下，這樣你就會理解的更清楚了。

　　　 ---------------------------------------------------------------

　　　 /* regex_test.c

　　　 * regular expression test in GNU C

　　　 *

　　　 * tested on redhat6.1

　　　 * gcc regex_test.c -o regex_test

　　　 */

　　　 #include

　　　 #include

　　　 #include

　　　 #include

　　　 #include

　　　 #define SUBSLEN 10

　　　 #define EBUFLEN 128 /* error buffer length */

　　　 #define BUFLEN 1024 /* matched buffer length */

　　　 int

　　　 main (int argc, char **argv)

　　　 {

　　　 FILE *fp;

　　　 size_t len; /* store error message length */

　　　 regex_t re; /* store compilned regular expression */

　　　 regmatch_t subs[SUBSLEN]; /* store matched string position */

　　　 char matched[BUFLEN]; /* store matched strings */

　　　 char errbuf[EBUFLEN]; /* store error message */

　　　 int err, i;

　　　 char string[] = "AAAAabaaababAbAbCdCd123123 11(123){12}";

　　　 char pattern[] = "(([0-9]+))({[0-9]+}{1})$";

　　　 printf ("String : %s ", string);

　　　 printf ("Pattern: "%s" ", pattern);

　　　 /* compile regular expression */

　　　 err = regcomp (&re, pattern, REG_EXTENDED);

　　　 if (err)

　　　 {

　　　 len = regerror (err, &re, errbuf, sizeof (errbuf));

　　　 fprintf (stderr, "error: regcomp: %s ", errbuf);

　　　 exit (1);

　　　 }

　　　 printf ("Total has subexpression: %d ", re.re_nsub);

　　　 /* execute pattern match */

　　　 err = regexec (&re, string, (size_t)SUBSLEN, subs, 0);

　　　 if (err == REG_NOMATCH)

　　　 {

　　　 fprintf (stderr, "Sorry, no match ... ");

　　　 regfree (&re);

　　　 exit (0);

　　　 }

　　　 else if (err)

　　　 {

　　　 len = regerror (err, &re, errbuf, sizeof (errbuf));

　　　 fprintf (stderr, "error: regexec: %s ", errbuf);

　　　 exit (1);

　　　 }

　　　 /* if no REG_NOMATCH and no error, then pattern matched */

　　　 printf (" OK, has matched ... ");

　　　 for (i = 0; i <= re.re_nsub; i++)

　　　 {

　　　 if (i == 0)

　　　 {

　　　 printf ("begin: %d, end: %d, ",

　　　 subs.rm_so, subs.rm_eo);

　　　 }

　　　 else

　　　 {

　　　 printf ("subexpression %d begin: %d, end: %d, ",

　　　 i, subs.rm_so, subs.rm_eo);

　　　 }

　　　 len = subs.rm_eo - subs.rm_so;

　　　 memcpy (matched, string + subs.rm_so, len);

　　　 matched[len] = '';

　　　 printf ("match: %s ", matched);

　　　 }

　　　 regfree(&re);

　　　 exit(0);