c regex 用法

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()
4. 错误处理 regerror()

---

使用举例

#include <stdio.h>
#include <regex.h>  //标准c不支持，Linux常带有此文件

int main(){
    regex_t reg;    //定义一个正则实例
    const char* pattern = "^\\w+([-+.]\\w+)*@\\w+([-.]\\w+)*.\\w+([-.]\\w+)*$"; //定义模式串
    regcomp(&reg, pattern, REG_EXTENDED);    //编译正则模式串

    char* buf = "david19842003@gmail.com";   //定义待匹配串
    const size_t nmatch = 1;    //定义匹配结果最大允许数
    regmatch_t pmatch[1];   //定义匹配结果在待匹配串中的下标范围
    int status = regexec(&reg, buf, nmatch, pmatch, 0); //匹配他

    if (status == REG_NOMATCH){ //如果没匹配上
        printf("No Match\n");
    }
    else if (status == 0){  //如果匹配上了
        printf("Match\n");
        for (int i = pmatch[0].rm_so; i < pmatch[0].rm_eo; i++){    //遍历输出匹配范围的字符串
            printf("%c", buf[i]);
        }
        printf("\n");
    }
    regfree(&reg);  //释放正则表达式
    return 0;
}

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26

---

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

   • regex_t 是一个结构体数据类型，用来存放编译后的正则表达式
     
     • regex_t 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
   • pattern 是指向我们写好的正则表达式的指针
   • cflags 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)

   • 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
   • compiled 是已经用regcomp函数编译好的正则表达式
   • string 是目标文本串
   • nmatch 是regmatch_t结构体数组的长度
   • matchptr regmatch_t类型的结构体数组，存放匹配文本串的位置信息
   • eflags 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。总之我到现在还不是很明白这个参数的意义
     • 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)

   • 清空compiled指向的regex_t结构体的内容
   • 如果是重新编译的话，一定要先清空regex_t结构体c

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

   • 当执行regcomp 或者regexec 产生错误的时候，就可以调用这个函数而返回一个包含错误信息的字符串
   • errcode 是由regcomp 和 regexec 函数返回的错误代号
   • compiled 是已经用regcomp函数编译好的正则表达式，这个值可以为NULL
   • buffer 指向用来存放错误信息的字符串的内存空间
   • length 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。
     

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