深入浅出C/C++中的正则表达式库
写在前面: 本文是面向有正则表达式基础的读者朋友的，如果你还不知道正则表达式是什么，请先到这里学习一下 
：http://en.wikipedia.org/wiki/Regular_expression。
正则表达式(Regular Expressions)，又被称为regex或regexp，是一种十分简便、灵活的文本处理工具。它可以用来精确地找出某文本中匹配某种指定规则的内容。在Linux下，grep, sed, awk等工具都支持正则表达式，这些工具的存在，为我们日常的文本处理带来了极大的便利。但是，有时候，我们自己写的程序中也需要用到正则表达式来处理一些文本，这时候就需要一些正则表达式库的支持了。由于我本人是用C/C++做为主要开发语言的，所以，在本文以及接下来的几篇文章中，我将介绍几个常用的C/C++的正则表达式的库，通过我的介绍，以及对具体的使用进行举例，希望能够给读者朋友在C/C++程序中使用正则表达式时有点帮助，这将是我莫大的荣幸。
当前，据我所知，在C/C++中常用的正则表达式库有GNU Regex Library, Boost.Regex, PCRE, PCRE++。这四个库中，后面两个是有关系，其它都是各自己独立的，是不同的实现。因此我会分三次，来一一对这四个库进行介绍。今天首先介绍一下GNU Regex Library。
1. 什么是GNU正则表达式库(GNU Regex Library) ?
GNU正则表达式库是glibc(GNU C Library)的一部分，它提供与POSIX标准兼容的正则表达式匹配的接口。
这里是其主页：http://www.gnu.org/s/libc/manual/html_node/Regular-Expressions.html
下载该库点这里：gnuregex0_13
2. GNU Regex Library所提供的接口
（1）regcomp:
int regcomp(regex_t *preg, const char *pattern, int cflags) 功能:将要进行匹配的正则表达式pattern进行编译，做匹配前的准备工作 参数: preg, 输出参数，用来保存编译后的正则表达式结果 pattern, 输入参数，传入要进行编译的正则表达式的字符串 cflags, 输入参数，用来指定正则表达式匹配过程中的一些选项 返回值:编译成功返回0，失败返回非0的错误码
（2）regexec:
int regexec(const regex_t *preg, const char *string, size_t nmatch, regmatch_t pmatch[], int eflags) 功能:用来检测字符串string是否匹配正则表达式preg 参数: preg, 输入参数，在(1)regcomp中编译好的正则表达式规则 string, 输入参数，用来被匹配的字符串 nmatch, 输入参数，用来指定pmatch参数所对应的数组的长度 pmatch, 输出参数，用来输出在string中匹配preg的具体位置 eflag, 输入参数，用来指定正则表达式匹配过程中的一些选项 返回值: 如果string匹配preg所指定的规则，则返回0， 否则返回非0
3）regerror:
size_t regerror(int errcode, const regex_t *preg, char *errbuf, size_t errbuf_size) 功能:用来把在regcompt和regexec中产生的错误码转化成字符串形式的错误信息 参数: errcode, 输入参数，在regcomp或regexec调用中返回的错误码 preg, 输入参数，与错误码所对应的编译过的正则表达式结构 errbuf, 输出参数，用来返回错误信息的buffer，如果buffer不够所需大小，错误信息将被截断 errbuf_size, 输入参数，返回错误信息的buffer的大小 返回值: 如果errbuf_size为0，那么regerror返回错误信息所需要的buffer的大小
（4）regfree:
void regfree (regex_t *preg) 功能: 用来释放由regcomp编译时生成的preg结构所占用的内存 参数: preg, 输入参数，由regcomp编译时生成的正则表达的结构指针 返回值: 无
3. 使用GNU Regex Library的一些注意事项
（1）regcomp与regfree必须配对使用，要不然会造成内存泄漏（类比malloc/free, new/delete)
（2）regex_t结构：把字符串形式的正则表达式编译成regex_t这样的一个结构，方便后续的匹配工作
（3）regmatch_t结构：用来表示正则表达式中字符串中匹配的位置的结构，用起始位置的偏移量来表示的
（4）flags：用来配置匹配过程中的一些选项, 指定如何匹配，具体参见：http://www.opengroup.org/onlinepubs/007908799/xsh/regcomp.html
（5）使用该库需要包含的头文件：sys/types.h和regex .h
4. GNU Regex Library使用举例
<span style=></span><pre = name=>#include <sys /types.h>
- #include <stdio .h> int argc, ** argv)
- {
- (argc != 3)
- {
- 1;
- * pRegexStr = argv[1];
- * pText = argv[2];
- nErrCode = 0;
- szErrMsg[1024] = {0};
- unErrMsgLen = 0;
- ((nErrCode = regcomp(&oRegex, pRegexStr, 0)) == 0)
- {
- ((nErrCode = regexec(&oRegex, pText, 0, NULL, 0)) == 0)
- {
- 0;
- }
- (szErrMsg));
- unErrMsgLen = unErrMsgLen < (szErrMsg) ? unErrMsgLen : (szErrMsg) - 1;
- ;
- printf( 1;
- }
- </pre>
wuzesheng@wuzesheng-ubuntu:~/Program$ gcc TestRegex.c -o Regex
- wuzesheng@wuzesheng-ubuntu:~/Program$ ./Regex
- //www.taobao.com matches http:\/\/www\..*\.com
以上即是关于GNU Regex Library的全部内容。如果读书者朋友有什么看法可以在下面给我留言。接下来几天，我会陆续介绍前面提到的其它几个库，今天先到这里。
写在前面：本文是《深入浅出C/C++中的正则表达式库》系列的第二篇，如果对本文感兴趣，相信你也会对《深入浅出C/C++中的正则表达式库——GNU Regex Library》感兴趣。本文主要介绍Boost中的正则表达式库，通过介绍其基本内容与相关接口，希望能够教读者朋友学会如何使用该库。
1. 什么是Boost.Regex?
Boost是C++中仅次于STL的一套库，它的功能比STL更加全面。这里是Boost的主页，想了解Boost的朋友可以看一下：http://www.boost.org/doc/libs/1_37_0/libs/regex/doc/html/index.html。需要说明的一点是，Boost目前还不是C++标准库的一部分，因此如果要使用Boost中的库，需要自己安装一下。
Boost.Regex是Boost中的正则表达式库，它是由John Maddock提供的，它的全部文档在这里：http://www.boost.org/doc/libs/1_37_0/libs/regex/doc/html/index.html
2. Boost.Regex的编译
最新的Boost库是1.42.0，在使用Boost.Regex之前，需要先下载Boost库，可以通过下面两种方式下载：
（1）Http下载，下载地址是http://sourceforge.net/projects/boost/files/boost/1.42.0/
（2）用svn客户端来下载，地址是：http://svn.boost.org/svn/boost/trunk/
我个人比较推荐使用svn客户端来下载，这样的话，如果要更新直接svn update一下，就不用再去重新下载了。
下载好了Boost库，下面开始编译, 本文中我以Linux平台为例进行说明，其它平台的编译方法参见上面提到的文档。下面是具体的步骤：(假设下载完后的，代码解压在了BOOST_ROOT目录)
（1）进入到BOOST_ROOT/libs/regex/build目录
（2）如果要使用静态库，请执行make -fgcc.mak
（3）如果要使用静态库，请执行make -fgcc-shared.mak
执行完上面三步后的，在BOOST_ROOT/libs/regex/build/下会生成一个gcc目录 ，进入该目录 ，可以看到生成了下面四个文件:
（1）libboost_regex-gcc-1_42.a , 这是release版的静态库
（2）libboost_regex-gcc-1_42.so, 这是release版的动态库（共享库）
（3）libboost_regex-gcc-d-1_42.a, 这是debug版的静态库
（4）libboost_regex-gcc-d-1_42.so, 这里debug版的动态库（共享库）
编译好之后的，就可以开始使用了。这里提供一个我编译好的版本，如果读者朋友不想自己编译，可以直接从我这里下载使用，下载完记得校验一下MD5: b6e0d805ea22ba08cb230ca98a517953。
点此下载：libboost_regex.tar.gz。
3. Boost Regex Libray类和接口介绍
（1）basic_regex
basic_regex是一个模板类，它封装了正则表达式的解析和编译，它是Boost.Regex中用来表示正则表达式的对象类型。Boost.Regex定义了两种标准类型，一种是基于单字节字符的regex，另一种是基于宽字符的wregex
关于basic_regex提供的接口，和STL中basic_string所提供的十分类似，具体可以参考：
http://www.boost.org/doc/libs/1_37_0/libs/regex/doc/html/boost_regex/ref/basic_regex.html
（2）match_results
match_results是用来表示所有匹配指定正则表达式的字符串的集合的对象类型。Boost.Regex提供了四种标准类型的定义：C单字节字符类型的cmatch,
C宽字符类型的wcmatch, C++单字节字符类型smatch,
C++宽字符类型wsmatch。match_results所提供的接口参见：
http://www.boost.org/doc/libs/1_37_0/libs/regex/doc/html/boost_regex/ref/match_results.html
（3）sub_match
sub_match是用来表示匹配指定正则表达式的字符串的对象类型。match_results就是由sub_match组成的集合类型。
关于sub_match类型，有下面三点需要注意的：
a. sub_match类型的对象只能通过对match_results类型的对象取下标获取
b. sub_match类型的对象可以和std:basic_string或const char*的字符串进行比较
c. sub_match类型的对象可以和std::basic_string或const char*的字符串相加，生成新的std::basic_string类型的字符串
sub_match所提供的接口请参考：
http://www.boost.org/doc/libs/1_37_0/libs/regex/doc/html/boost_regex/ref/sub_match.html
（4）reg_match, reg_search和reg_replace
reg_match, reg_search和reg_replace都是Boost.Regex所提供的具体进行正则匹配的算法接口。
reg_match用来判定整个字符串是否匹配指定的的正则表达式, 具体定义参见：
http://www.boost.org/doc/libs/1_37_0/libs/regex/doc/html/boost_regex/ref/regex_match.html
reg_search用来判定字符串的某一部分是否匹配指定的正则表达式, 具体定义参见：
http://www.boost.org/doc/libs/1_37_0/libs/regex/doc/html/boost_regex/ref/regex_search.html
reg_replace用来把字符串中匹配指定正则表达式的部分替换为指定内容输出，对于不匹配的部分原样输出, 具体定义参见：
http://www.boost.org/doc/libs/1_37_0/libs/regex/doc/html/boost_regex/ref/regex_replace.html
4. Boost Regex Libray使用注意事项
（1）在使用之前你需要把Boost的安装目录加入到系统的Path中（当然也可以在编译时直接指定）
（2）需要包含的头文件 boost/regex.hpp
（3）需要依赖的库：下载2中编译好的libboost.tar.gz，取其中任意一个即可，具体如何使用动态/静态库，请自己查阅相关资料
（4）Boost.Regex还提供对Unicode类型的支持，具体细节参加上面提到的文档，我这里不做介绍
5. Boost.Regex使用举例
下面是Boost.Regex使用的一个简单的例子：
<span style=></span> <pre = name=>#include <string>
- #include "boost/regex.hpp" int argc, ** argv)
- (argc != 4)
- 1;
- (atoi(argv[1]))
- 0:
- (boost::regex_match(strStr, oResults, oRegex))
- {
- ;
- }
- {
- ;
- }
- ;
- 1:
- (boost::regex_search(strStr, oResults, oRegex))
- {
- ;
- }
- {
- ;
- }
- ;
- 2:
- );
- std::cout << << strRes << ;
- ;
- :
- ;
- ;
- </pre>
下面是程序运行的结果：
wuzesheng@wuzesheng-ubuntu:~/Program$ !g++
- g++ -I./boost_1_42_0 BoostRegex.cpp -L ./boost_1_42_0/libs/regex/build/gcc/ -lboost_regex-gcc-1_42 -o BoostRegex
- http:
- http:
- strRes=$jfj
以上即是Boost.Regex的主要的内容以及具体使用的一些情况。这里我需要说明一下，由于Boost.Regex所提供的像basic_regex,
match_results,
sub_match这些类型，它们的封装与C++中string等其它stl容器的封装很相似，因此使用过程中可以做联想类比，以加深理解。另外，像regex_match,
regex_search,
regex_replace这些算法都是模板函数，而且都有多个重载版本，在使用的时候，注意选择适合自己的应用场景的版本。
写在前面：本文是《深入浅出C/C++中的正则表达式库》系列的第三篇，本文的主要内容是介绍PCRE和PCRE++，因为它们两个是很有渊源的，所以放在一起讲。
1. 什么是PCRE? 什么是PCRE++?PCRE，全称是Perl Compatible Regular Expressions。从名字我们可以看出PCRE库是与Perl中正则表达式相兼容的一个正则表达式库。PCRE是免费开源的库，它是由C语言实现的，这里是它的官方主页：http://www.pcre.org/，感兴趣的朋友可以在这里了解更多的内容。要得到PCRE库，可以从这里下载：http://sourceforge.net/projects/pcre/files/
PCRE++是一个对PCRE库的C++封装，它提供了更加方便、易用的C++接口。这里是它的官方主页：http://www.daemon.de/PCRE，感兴趣的朋友可以在这里了解更多的内容。要得到PCRE++库，可以从这里下载：http://www.daemon.de/PcreDownload2. PCRE接口介绍（1）. pcre_compile
pcre <span style=>*</span>pcre_compile<span style=>(</span><span style=></span> <span style=></span> <span style=>*</span>pattern, <span style=></span> options,<span style=></span> <span style=></span> <span style=>**</span>errptr, <span style=></span> <span style=>*</span>erroffset, <span style=></span> <span style=>unsigned</span> <span style=></span> <span style=>*</span>tableptr<span style=>)</span><span style=>;</span>
- 功能：编译指定的正则表达式
- >NULL</span>, 使用缺省的字符表
- 返回值：被编译好的正则表达式的pcre内部表示结构
（2）. pcre_exec
<strong></strong><pre = name=> pcre_exec( pcre *code, pcre_extra *extra, *subject, length, startoffset, options, *ovector, ovecsize);
- 功能：用来检查某个字符串是否与指定的正则表达式匹配
- </pre>
3. PCRE++接口介绍
PCRE++把PCRE库封装成了两个类，一个是RE_Options, 用来指定匹配选项，一个是RE，用来提供匹配相关的接口。RE_options类在这里我就不介绍了，我主要介绍一下RE类：
（1）RE的构造函数传入正则表达式，并在构造函数中调用Init函数，将该正则表达进行编译
（2）RE的pattern()成员用来得到初始传入的正则表达式字符串
（3）RE的error()成员用来得到匹配过程中的出错信息
（4）RE的FullMatch()成员用来判断某字符串整体是否匹配指定正则表达式
（5）RE的PartialMatch()成员用来判断某字符串的部分是否匹配指定正则表达式
4. PCRE/PCRE++使用注意事项
（1）使用pcre请包含pcre.h头文件
（2）使用pcre_compile, pcre_exec后，记得调用pcre_free释放内存，以免造成内存泄露
（3）使用pcre编译的时候需要依赖libpcre.a
（4）使用pcre++请包含pcrecpp.h头文件
（5）使用pcre++，RE类的析构函数会自动释放相关内存，因此不用担心内存泄露
（6）使用pcre++编译的时候需要依赖libpcrecpp.a
（7）使用pcrecpp要使用pcrecpp命名空间
5. PCRE使用举例
下面是例程：
<span style=></span><pre = name=>#include <pcre .h>
- #include <string .h> int argc, ** argv)
- {
- (argc != 3)
- {
- 1;
- * pPattern = argv[1];
- * pText = argv[2];
- * pErrMsg = NULL;
- pcre * pPcre = NULL;
- nOffset = -1;
- (NULL == (pPcre = pcre_compile(pPattern, 0, &pErrMsg, &nOffset, NULL)))
- {
- 1;
- (pcre_exec(pPcre, NULL, pText, strlen(pText), 0, 0, NULL, 0) < 0)
- </pre>
下面是运行结果：
wuzesheng@wuzesheng-ubuntu:~/Program$ !g++
- g++ -lpcre TestPcre.cpp -o pcre
- http:
- http:
6. PCRE++使用举例
下面是例程：
<span style=></span><pre = name=>#include <iostream>
- int argc, ** argv)
- (argc != 3)
- 1;
- }
- (oPattern.FullMatch(argv[2]))
- {
- ;
- }
- (oPattern.PartialMatch(argv[2]))
- {
- ;
- }
- {
- ;
- }
- }</pre><br>
下面是运行结果：
wuzesheng@wuzesheng-ubuntu:~/Program$ g++ TestPcreCpp.cpp -lpcrecpp -o pcrecpp
- wuzesheng@wuzesheng-ubuntu:~/Program$ ./pcrecpp
- //www.qq.com fully matches http:\/\/.*\.qq\.com
- //www.qq.comiii partially matches http:\/\/.*\.qq\.com
- //www.qqq.comiii dose not match http:\/\/.*\.qq\.com
以上即是关于PCRE和PCRE++库介绍的全部内容，由于内容比较多，我只介绍了一些关键的接口及其用法，如果读者朋友想更加深入的了解其它的接口，可以参考我上面提到的官方网站，另外linux下的manual也是很好的参考资料。在shell下执行man pcre和man pcrecpp便可得到很详细的资料。
转自：
http://www.wuzesheng.com/?p=929
http://www.wuzesheng.com/?p=965
