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

[cpp] 

<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>  

程序测试

[cpp] 

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:

[cpp] 

<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

[cpp] 

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

http://www.wuzesheng.com/?p=994

posted @ 2017-12-17 16:53  catgatp  阅读(21552)  评论(0编辑  收藏  举报