linux下c中嵌套正则表达式

 

标准的c/c++不支持正则表达式，但是一些库函数中辅助完成了这一功能。

常用函数有regcomp(), regexec(), regfree(), regerror()。

 

c语言中使用正则表达式一般分为以下三步：

　　1、编译正则表达式 regcomp()

　　2、匹配正则表达式 regexec()

　　3、释放正则表达式 regfree()

 

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

　　这个函数把指定的正则表达式pattern编译成一种特定的数据格式compiled，这样可以使匹配更有效。函数regexec 会使用这个数据在目标文本串中进行模式匹配。执行成功返回０。

　　①regex_t 是一个结构体数据类型，用来存放编译后的正则表达式，它的成员re_nsub 用来存储正则表达式中的子正则表达式的个数，子正则表达式就是用圆括号包起来的部分表达式。
　　②pattern 是指向我们写好的正则表达式的指针。
　　③cflags 有如下4个值或者是它们或运算(|)后的值：
　　　　REG_EXTENDED 以功能更加强大的扩展正则表达式的方式进行匹配。
　　　　REG_ICASE 匹配字母时忽略大小写。
　　　　REG_NOSUB 不用存储匹配后的结果。
　　　　REG_NEWLINE 识别换行符，这样'$'就可以从行尾开始匹配，'^'就可以从行的开头开始匹配。

 

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

　　当我们编译好正则表达式后，就可以用regexec 匹配我们的目标文本串了，如果在编译正则表达式的时候没有指定cflags的参数为REG_NEWLINE，则默认情况下是忽略换行符的，也就是把整个文本串当作一个字符串处理。执行成功返回０。
regmatch_t 是一个结构体数据类型，在regex.h中定义：            
typedef struct
{
   regoff_t rm_so;
   regoff_t rm_eo;
} regmatch_t;
成员rm_so 存放匹配文本串在目标串中的开始位置，rm_eo 存放结束位置。通常我们以数组的形式定义一组这样的结构。因为往往我们的正则表达式中还包含子正则表达式。数组0单元存放主正则表达式位置，后边的单元依次存放子正则表达式位置。

参数说明：
　　①compiled 是已经用regcomp函数编译好的正则表达式。
　　②string 是目标文本串。
　　③nmatch 是regmatch_t结构体数组的长度。
　　④matchptr regmatch_t类型的结构体数组，存放匹配文本串的位置信息。
　　⑤eflags 有两个值
　　　　REG_NOTBOL 按我的理解是如果指定了这个值，那么'^'就不会从我们的目标串开始匹配。

　　　　REG_NOTEOL 和上边那个作用差不多，不过这个指定结束end of line。

 

3. void regfree (regex_t *compiled)

    当我们使用完编译好的正则表达式后，或者要重新编译其他正则表达式的时候，我们可以用这个函数清空compiled指向的regex_t结构体的内容，请记住，如果是重新编译的话，一定要先清空regex_t结构体。

 

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

　　参数说明：
　　　　①errcode 是由regcomp 和 regexec 函数返回的错误代号。
　　　　②compiled 是已经用regcomp函数编译好的正则表达式，这个值可以为NULL。
　　　　③buffer 指向用来存放错误信息的字符串的内存空间。
　　　　④length 指明buffer的长度，如果这个错误信息的长度大于这个值，则regerror 函数会自动截断超出的字符串，但他仍然会返回完整的字符串的长度。所以我们可以用如下的方法先得到错误字符串的长度。

 

#include <stdio.h>
#include <sys/types.h>
#include <regex.h>

int  main()
{
    regex_t reg;
    regmatch_t matchs[1];
    const size_t nmatch = 1;
    int status =-1;
    int cflags = REG_EXTENDED;
    const char* pattern = "^\\w+([-+.]\\w+)*@\\w+([-.]\\w+)*.\\w+([-.]\\w+)*$";
    const char* str = "panxiong0815@qq.com";

    regcomp(&reg, pattern, cflags);

    if((status = regexec(&reg, str, nmatch, matchs, 0)) == REG_NOMATCH)
    {
        printf("no match !\n");
    }
    else
    {
        int i;
        for(i = matchs[0].rm_so; i< matchs[0].rm_eo; i++)
        {
            putchar(str[i]);
        }
        printf("\n");
    }

    regfree(&reg);

    return 1;
}