PCRE-正则库及用法

摘自博客园：https://www.cnblogs.com/LiuYanYGZ/p/5903946.html

在C语言中利用PCRE实现正则表达式

1. PCRE简介
　　PCRE(Perl Compatible Regular Expressions即：perl语言兼容正则表达式)是一个用C语言编写的正则表达式函数库，由菲利普.海泽(Philip Hazel)编写。PCRE是一个轻量级的函数库，比Boost之中的正则表达式库小得多。PCRE十分易用，同时功能也很强大，性能超过了POSIX正则表达式库和一些经典的正则表达式库[1]。
        和Boost正则表达式库的比较显示[2]，双方的性能相差无几，PCRE在匹配简单字符串时更快，Boost则在匹配较长字符串时胜出---但两者差距很小，考虑到PCRE的大小和易用性，我们可以认为PCRE更值得考虑。
        PCRE被广泛使用在许多开源软件之中，最著名的莫过于Apache HTTP服务器和PHP脚本语言、R脚本语言，此外，正如从其名字所能看到的，PCRE也是perl语言的缺省正则库。
        PCRE是用C语言实现的，其C++实现版本是PCRE++。

2. 正则表达式定义

　　一个正则表达式就是由普通字符（例如字符 a 到 z）以及特殊字符（称为元字符）组成的文字模式。该模式描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。
　　例如下面一些正则表达式：
　　　　^(-?\d+)(\.\d+)?$　匹配浮点数
　　　　^[A-Za-z]+$            匹配由26个英文字母组成的字符串
　　　　^[A-Z]+$　             匹配由26个英文字母的大写组成的字符串
　　　　^[a-z]+$　　           匹配由26个英文字母的小写组成的字符串
　　　　^[A-Za-z0-9]+$　　匹配由数字和26个英文字母组成的字符串
　　　　^\w+$　　              匹配由数字、26个英文字母或者下划线组成的字符串
　　　　^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$　　　　匹配email地址
        　　当然，可能你会问上面这些表达式为什么是这样写。这里就暂时不做多讲，因为本文主要讲的是PCRE库的应用，所以想了解更多的话，可以看我下面的[附录1]，里面有全部正则表式用到的元字符说明。或参考网址[3]正则表达式语言元素msdn文档。

3. PCRE正则表达式的定义

　　用于描述字符排列和匹配模式的一种语法规则。它主要用于字符串的模式分割、匹配、查找及替换操作。正则中重要的几个概念有：元字符、转义、模式单元（重复）、反义、引用和断言。

　　常用的元字符(Meta-character)
        元字符    说明
        \A    　　匹配字符串串首的原子
        \Z    　　匹配字符串串尾的原子
        \b     　　匹配单词的边界/\bis/匹配头为is的字符串/is\b/ 匹配尾为is的字符串 /\bis\b/ 定界
        \B     　　匹配除单词边界之外的任意字符   /\Bis/   匹配单词“This”中的“is”
        \d    　    匹配一个数字；等价于[0-9]
        \D    　   匹配除数字以外任何一个字符；等价于[^0-9]
        \w     　匹配一个英文字母、数字或下划线；等价于[0-9a-zA-Z_]
        \W    　匹配除英文字母、数字和下划线以外任何一个字符；等价于[^0-9a-zA-Z_]
        \s     　匹配一个空白字符；等价于[\f\t\v]
        \S    　匹配除空白字符以外任何一个字符；等价于[^\f\t\v]
        \f     　　匹配一个换页符等价于 \x0c 或 \cL
\n 匹配一个换行符；等价于 \x0a 或 \cJ
\r 匹配一个回车符等价于\x0d 或 \cM
        \t 匹配一个制表符；等价于 \x09\或\cl
        \v 匹配一个垂直制表符；等价于\x0b或\ck
        \oNN 匹配一个八进制数字
        \xNN 匹配一个十六进制数字
        \cC 匹配一个控制字符

　　模式修正符（Pattern Modifiers）
        模式修正符在忽略大小写、匹配多行中使用特别多，掌握了这一个修正符，往往能解决我们遇到的很多问题。
        i －可同时匹配大小写字母
        M     －将字符串视为多行
        S     －将字符串视为单行，换行符做普通字符看待，使“.”匹配任何字符
        X     －模式中的空白忽略不计
        U     －匹配到最近的字符串
        e     －将替换的字符串作为表达使用

　　格式：/apple/i匹配“apple”或“Apple”等，忽略大小写。当然这里还有很多种情况，在这里就不一一描述出来了。

4. PCRE的函数简介

　　PCRE是一个NFA正则引擎，不然不能提供完全与Perl一致的正则语法功能。但它同时也实现了DFA，只是满足数学意义上的正则。
        　　PCRE提供了19个接口函数。
        　　这里只介绍了几个主要和常用的接口函数，另外的可通过PCRE源码文档进行了解。注意，使用PCRE主要是使用下面介绍的前四个函数，对这四个函数有了了解，使用PCRE库的时候就会简单很多了。
        　　下面所讲的函数，都在PCRE头文件上定义申明：#include 。

　　1.pcre_compile
       　　函数原型：
        　　pcre *pcre_compile(const char *pattern, int options, const char **errptr, int *erroffset, const unsigned char *tableptr)
　　　　功能：将一个正则表达式编译成一个内部表示，在匹配多个字符串时，可以加速匹配。其同pcre_compile2功能一样只是缺少一个参数errorcodeptr。
        　　参数说明：

　　　　pattern 正则表达式

　　　　options 为0，或者其他参数选项

　　　　errptr 出错消息

　　　　erroffset 出错位置

　　　　tableptr 指向一个字符数组的指针，可以设置为空NULL。

　　2. pcre_compile2

　　　　函数原型：

　　　　pcre *pcre_compile2(const char *pattern, int options, int *errorcodeptr, const char **errptr, int *erroffset, const unsigned char *tableptr)

　　　　功能：将一个正则表达式编译成一个内部表示，在匹配多个字符串时，可以加速匹配。其同pcre_compile功能一样只是多一个参数errorcodeptr。

　　　　参数：

　　　　pattern 正则表达式

　　　　options 为0，或者其他参数选项

　　　　errorcodeptr 存放出错码

　　　　errptr 出错消息

　　　　erroffset 出错位置

　　　　tableptr 指向一个字符数组的指针，可以设置为空NULL。

　　　　3. pcre_exec

　　　　函数原型：

　　　　int pcre_exec(const pcre *code, const pcre_extra *extra, const char *subject, int length, int startoffset, int options, int *ovector, int ovecsize)

　　　　功能：使用编译好的模式进行匹配，采用与Perl相似的算法，返回匹配串的偏移位置。

　　　　参数：

　　　　code 编译好的模式

　　　　extra 指向一个pcre_extra结构体，可以为NULL

　　　　subject 需要匹配的字符串

　　　　length 匹配的字符串长度（Byte）

　　　　startoffset 匹配的开始位置

　　　　options 选项位

　　　　ovector 指向一个结果的整型数组

　　　　ovecsize 数组大小。

　　4． pcre_study

　　　　函数原型：

　　　　pcre_extra *pcre_study(const pcre *code, int options, const char **errptr)

　　　　功能：对编译的模式进行学习，提取可以加速匹配过程的信息。

　　　　参数：

　　　　code 已编译的模式

　　　　options 选项

　　　　errptr 出错消息

　　5. pcre_version

　　　　函数原型：

　　　　char *pcre_version(void)

　　　　功能：返回PCRE的版本信息。

　　　　参数：无。

　　6. pcre_config

　　　　函数原型：

　　　　int pcre_config(int what, void *where)

　　　　功能：查询当前PCRE版本中使用的选项信息。

　　　　参数：

　　　　what 选项名

　　　　where 存储结果的位置

　　7．pcre_maketables

　　　　函数原型：

　　　　const unsigned char *pcre_maketables(void)

　　　　功能：生成一个字符表，表中每一个元素的值不大于256，可以用它传给pcre_compile()替换掉内建的字符表。

　　　　参数：无

5. 使用PCRE在C语言中实现正则表达式的解析

　　上述讲了这么多PCRE相关函数的介绍，目的还是为了能够运用上，所以这里就先讲解下使用PCRE的过程。主要过程分三步走第一步编译正则表达式；第二匹配正则表达式；第三步释放正则表达式。

　　1．编译正则表达式

　　　　为了提高效率，在将一个字符串与正则表达式进行比较之前，首先要用pcre_compile() /pcre_compile2() 函数对它时行编译，转化成PCRE引擎能够识别的结构（struct real_pcre）。

　　这里还可以调用pcre_study()函数，对编译后的正则表达式结构（struct real_pcre）时行分析和学习，学习的结果是一个数据结构（struc pcre_extra），这个数据结构连同编译后的规则（struct real_pcre）可以一起送给pcre_exec单元进行匹配。

　　2. 匹配正则表达式

　　　　一旦用函数pcre_compile() /pcre_compile2()成功地编译了正则表达式，接下来就可以调用pcre_exec（）函数完成模式匹配。根据正则表达式到指定的字符串中进行查找和匹配,并输出匹配的结果。

　　3. 释放正则表达式

　　　　无论什么时候，当不再需要已经编译过的正则表达式时，都应该调用函数free()将其释放，以免产生内在泄漏。

6. PCRE函数在C语言中的使用小例子

　　在使用PCRE库时，首先肯定是需要安装pcre的，不过一般的系统都会有自带的PCRE库。不过如果想使用最新版本的话，也可以自已下载一个安装包。我这里下载的安装是pcre-8.13.tar.gz版本。安装过程很简单，把安装包上传需要安装的服务器上，安装时默认路径即可，我是在linux环境下安装的，执行命令如下：

　　1.[root@host70-151 pcre-8.13]# ./configure

　　2.[root@host70-151 pcre-8.13]# make && make install

　　此两步即可安装完成，安装成功后的头文件在：/usr/local/include, 库文件在:/usr/local/lib 。

　　下面是我的一个使用PCRE库函数的一个小例子，其功能是匹配手机号码的正则表达式是否成功，分成四类手机号码时行匹配，分别是移动、电信、联通和CDMA的手机号。里面用到了PCRE库函数中的pcre_compile()和pcre_exec()：

　　因为我是在linux下编译C程序的，所以要用到makefile文件。注意：如果你在编译时出现提示：

　　/usr/zej/zej_test/kernel/pcre_test2.c:29: undefined reference to `pcre_compile'

　　/usr/zej/zej_test/kernel/pcre_test2.c:35: undefined reference to `pcre_exec'

　　没有定义pcre.h文件里面的函数时，是因为没有链接到库文件里，这时可以能过修改makefile，在l里面添加一个lpcre即可。然后在编译便可成功。

  1 #include <stdio.h>
  2 #include <stdlib.h>
  3 #include <sys/mman.h>
  4 #include <fcntl.h>
  5 #include <string.h>
  6 #include <unistd.h>
  7 #include <sys/types.h>
  8 #include <sys/wait.h>
  9 #include <sys/stat.h>
 10 #include <sys/ipc.h>
 11 #include <sys/shm.h>
 12 #include <assert.h>
 13 #include <sys/socket.h>
 14 #include <netinet/in.h>
 15 #include "pcre.h"
 16 
 17 #include <iostream>
 18 #include <string>
 19 
 20 using namespace std;
 21 
 22 #define OVECCOUNT 30 /* should be a multiple of 3 */
 23 #define EBUFLEN 128 
 24 #define BUFLEN 1024
 25 
 26 int main()
 27 { 
 28         pcre *reCM, *reUN, *reTC, *reCDMA; 
 29         const char *error;
 30         int erroffset;
 31         int ovector[OVECCOUNT];
 32         int rcCM, rcUN, rcTC, rcCDMA, i; 
 33 
 34         /* 
 35             yidong:134.135.136.137.138.139.150.151.152.157.158.159.187.188,147
 36             liandong:130.131.132.155.156.185.186 
 37             dianxin:133.153.180.189 
 38             CDMA :133,153
 39          */
 40         char src[22]; 
 41         char pattern_CM[] = "^1(3[4-9]|5[012789]|8[78])\\d{8}$";
 42         char pattern_UN[] = "^1(3[0-2]|5[56]|8[56])\\d{8}$";
 43         char pattern_TC[] = "^18[09]\\d{8}$";
 44         char pattern_CDMA[] = "^1[35]3\\d{8}$";
 45 
 46         printf("please input your telephone number \n");
 47         scanf("%s", src);
 48         printf("String : %s\n", src);
 49         printf("Pattern_CM: \"%s\"\n", pattern_CM);
 50         printf("Pattern_UN: \"%s\"\n", pattern_UN);
 51         printf("Pattern_TC: \"%s\"\n", pattern_TC);
 52         printf("Pattern_CDMA: \"%s\"\n", pattern_CDMA);
 53 
 54         reCM = pcre_compile(pattern_CM, 0, &error, &erroffset, NULL); 
 55         reUN = pcre_compile(pattern_UN, 0, &error, &erroffset, NULL);
 56         reTC = pcre_compile(pattern_TC, 0, &error, &erroffset, NULL);
 57         reCDMA = pcre_compile(pattern_CDMA, 0, &error, &erroffset, NULL);
 58 
 59         if (reCM==NULL && reUN==NULL && reTC==NULL && reCDMA==NULL) {
 60                 printf("PCRE compilation telephone failed at offset %d: %s\n", erroffset, error);
 61                 return 1; 
 62         }
 63 
 64         rcCM = pcre_exec(reCM, NULL, src, strlen(src), 0, 0, ovector, OVECCOUNT); 
 65         rcUN = pcre_exec(reUN, NULL, src, strlen(src), 0, 0, ovector, OVECCOUNT);
 66         rcTC = pcre_exec(reTC, NULL, src, strlen(src), 0, 0, ovector, OVECCOUNT);
 67         rcCDMA = pcre_exec(reCDMA, NULL, src, strlen(src), 0, 0, ovector, OVECCOUNT);
 68 
 69         if (rcCM<0 && rcUN<0 && rcTC<0 && rcCDMA<0) { 
 70                 if (rcCM==PCRE_ERROR_NOMATCH && rcUN==PCRE_ERROR_NOMATCH &&
 71                                 rcTC==PCRE_ERROR_NOMATCH && rcTC==PCRE_ERROR_NOMATCH) {
 72                         printf("Sorry, no match ...\n"); 
 73                 }
 74                 else {
 75                         printf("Matching error %d\n", rcCM);
 76                         printf("Matching error %d\n", rcUN);
 77                         printf("Matching error %d\n", rcTC);
 78                         printf("Matching error %d\n", rcCDMA);
 79                 } 
 80                 free(reCM);
 81                 free(reUN);
 82                 free(reTC);
 83                 free(reCDMA); 
 84                 return 1;
 85         }
 86         printf("\nOK, has matched ...\n\n");
 87         if (rcCM > 0) {
 88                 printf("Pattern_CM: \"%s\"\n", pattern_CM);
 89                 printf("String : %s\n", src);
 90         }
 91         if (rcUN > 0) {
 92                 printf("Pattern_UN: \"%s\"\n", pattern_UN); 
 93                 printf("String : %s\n", src); 
 94         }
 95         if (rcTC > 0) {
 96                 printf("Pattern_TC: \"%s\"\n", pattern_TC);
 97                 printf("String : %s\n", src);
 98         } 
 99         if (rcCDMA > 0) {
100                 printf("Pattern_CDMA: \"%s\"\n", pattern_CDMA); 
101                 printf("String : %s\n", src);
102         }
103         free(reCM); 
104         free(reUN);
105         free(reTC);
106         free(reCDMA); 
107         return 0;
108 }

#include <stdio.h>
#include <stdlib.h>
#include <sys/mman.h>
#include <fcntl.h>
#include <string.h>
#include <unistd.h>
#include <sys/types.h>
#include <sys/wait.h>
#include <sys/stat.h>
#include <sys/ipc.h>
#include <sys/shm.h>
#include <assert.h>
#include <sys/socket.h>
#include <netinet/in.h>
#include "pcre.h"
#include <iostream>
#include <string>
using namespace std;

#define OVECCOUNT 30 /* should be a multiple of 3 */
#define EBUFLEN 128
#define BUFLEN 1024

int main()
{
        pcre *re;
        const char *error;
        int erroffset;
        int ovector[OVECCOUNT];
        int rc, i;

        char buffer[128];
        memset(buffer,'\0',128);

        char src [] = "";
        char pattern [] = "";

        printf("String : %s\n", src);
        printf("Pattern: \"%s\"\n", pattern);

        re = pcre_compile(pattern, 0, &error, &erroffset, NULL);
        if (re == NULL) {
                printf("PCRE compilation failed at offset %d: %s\n", erroffset, error);
                return 1;
        }

        rc = pcre_exec(re, NULL, src, strlen(src), 0, 0, ovector, OVECCOUNT);
        if (rc < 0) {
                if (rc == PCRE_ERROR_NOMATCH) printf("Sorry, no match ...\n");
                else printf("Matching error %d\n", rc);
                free(re);
                return 1;
        }

        printf("\nOK, has matched ...\n\n");

        for (i = 0; i < rc; i++)
        {
                char *substring_start = src + ovector[2*i];
                int substring_length = ovector[2*i+1] - ovector[2*i];
                printf("%2d: %.*s\n", i, substring_length, substring_start);
        }

        free(re);
        return 0;
}