asm, c, c++ are my all
-- Core In Computer
posts - 139,  comments - 123,  trackbacks - 0

如何在C语言中巧用正则表达式

如果用户熟悉Linux下的sed、awk、grep或vi,那么对正则表达式这一概念肯定不会陌生。由于它可以极大地简化处理字符串时的复杂度,因此现在已经在许多Linux实用工具中得到了应用。千万不要以为正则表达式只是Perl、Python、Bash等脚本语言的专利,作为C语言程序员,用户同样可以在自己的程序中运用正则表达式。 

标准的C和C++都不支持正则表达式,但有一些函数库可以辅助C/C++程序员完成这一功能,其中最著名的当数Philip Hazel的Perl-Compatible Regular Expression库,许多Linux发行版本都带有这个函数库。 

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regcomp()函数对它进行编译,将其转化为regex_t结构: 

int  regcomp(regex_t  * preg,  const   char   * regex,  int  cflags); 

参数regex是一个字符串,它代表将要被编译的正则表达式;参数preg指向一个声明为regex_t的数据结构,用来保存编译结果;参数cflags决定了正则表达式该如何被处理的细节。 

如果函数regcomp()执行成功,并且编译结果被正确填充到preg中后,函数将返回0,任何其它的返回结果都代表有某种错误产生。 

匹配正则表达式 

一旦用regcomp()函数成功地编译了正则表达式,接下来就可以调用regexec()函数完成模式匹配: 

int  regexec( const   regex_t   * preg,   const    char   * string , size_t nmatch,regmatch_t pmatch[],  int  eflags); 

typedef 
struct  

  regoff_t rm_so; 
  regoff_t rm_eo; 
}
 regmatch_t; 
参数preg指向编译后的正则表达式,参数string是将要进行匹配的字符串,而参数nmatch和pmatch则用于把匹配结果返回给调用程序,最后一个参数eflags决定了匹配的细节。 

在调用函数regexec()进行模式匹配的过程中,可能在字符串string中会有多处与给定的正则表达式相匹配,参数pmatch就是用来保存这些匹配位置的,而参数nmatch则告诉函数regexec()最多可以把多少个匹配结果填充到pmatch数组中。当regexec()函数成功返回时,从string+pmatch[0].rm_so到string+pmatch[0].rm_eo是第一个匹配的字符串,而从string+pmatch[1].rm_so到string+pmatch[1].rm_eo,则是第二个匹配的字符串,依此类推。 

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regfree()将其释放,以免产生内存泄漏。 
void  regfree(regex_t  * preg); 

函数regfree()不会返回任何结果,它仅接收一个指向regex_t数据类型的指针,这是之前调用regcomp()函数所得到的编译结果。 

如果在程序中针对同一个regex_t结构调用了多次regcomp()函数,POSIX标准并没有规定是否每次都必须调用regfree()函数进行释放,但建议每次调用regcomp()函数对正则表达式进行编译后都调用一次regfree()函数,以尽早释放占用的存储空间。 

报告错误信息 

如果调用函数regcomp()或regexec()得到的是一个非0的返回值,则表明在对正则表达式的处理过程中出现了某种错误,此时可以通过调用函数regerror()得到详细的错误信息。 

size_t regerror( int  errcode,  const  regex_t  * preg,  char   * errbuf, size_t errbuf_size); 

参数errcode是来自函数regcomp()或regexec()的错误代码,而参数preg则是由函数regcomp()得到的编译结果,其目的是把格式化消息所必须的上下文提供给regerror()函数。在执行函数regerror()时,将按照参数errbuf_size指明的最大字节数,在errbuf缓冲区中填入格式化后的错误信息,同时返回错误信息的长度。 

应用正则表达式 

最后给出一个具体的实例,介绍如何在C语言程序中处理正则表达式。 

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

#include 
< regex.h >


/*  取子串的函数  */
 
static   char *  substr( const   char *
str, unsigned start, unsigned end) 

  unsigned n 
=  end  -
 start; 
  
static   char  stbuf[ 256
]; 
  strncpy(stbuf, str 
+
 start, n); 
  stbuf[n] 
=   0

  
return
 stbuf; 
}
 
/*  主程序  */
 
int  main( int  argc,  char **
 argv) 

  
char   *
 pattern; 
  
int  x, z, lno  =   0 , cflags  =   0

  
char  ebuf[ 128 ], lbuf[ 256
]; 
  regex_t reg; 
  regmatch_t pm[
10
]; 
  
const  size_t nmatch  =   10

  
/*  编译正则表达式 */
 
  pattern 
=  argv[ 1
]; 
  z 
=  regcomp( &
reg, pattern, cflags); 
  
if  (z  !=   0 )

    regerror(z, 
& reg, ebuf,  sizeof
(ebuf)); 
    fprintf(stderr, 
" %s: pattern '%s' \n "
, ebuf, pattern); 
    
return   1

  }
 
  
/*   逐行处理输入的数据  */
 
  
while (fgets(lbuf,  sizeof (lbuf), stdin)) 

    
++
lno; 
    
if  ((z  =  strlen(lbuf))  > 0   &&  lbuf[z - 1 ==   ' \n '

      lbuf[z 
-   1 =   0

    
/*  对每一行应用正则表达式进行匹配  */
 
    z 
=  regexec( & reg, lbuf, nmatch, pm,  0
); 
    
if  (z  ==  REG_NOMATCH)  continue

    
else   if  (z  !=   0

      regerror(z, 
& reg, ebuf,  sizeof
(ebuf)); 
      fprintf(stderr, 
" %s: regcom('%s')\n "
, ebuf, lbuf); 
      
return   2

    }
 
    
/*  输出处理结果  */
 
    
for  (x  =   0 ; x  <  nmatch  &&  pm[x].rm_so  !=   - 1 ++  x) 

      
if  ( ! x) printf( " %04d: %s\n "
, lno, lbuf); 
      printf(
"   $%d='%s'\n "
, x, substr(lbuf, pm[x].rm_so, pm[x].rm_eo)); 
    }
 
  }
 
  
/*  释放正则表达式   */
 
  regfree(
&
reg); 
  
return   0

}
 

上述程序负责从命令行获取正则表达式,然后将其运用于从标准输入得到的每行数据,并打印出匹配结果。执行下面的命令可以编译并执行该程序: 

#   gcc regexp.c -o regexp 
#  ./regexp  'regex[a-z]*' < regexp.c 

0003 :   # include <regex.h>; 
  $ 0 = ' regex '  
0027 :
   regex_t reg; 
  $
0 = ' regex '
 
0054 :      z  =  regexec( & reg ,  lbuf ,  nmatch ,  pm ,   0
); 
  $
0 = ' regexec '  

小结 

对那些需要进行复杂数据处理的程序来说,正则表达式无疑是一个非常有用的工具。本文重点在于阐述如何在C语言中利用正则表达式来简化字符串处理,以便在数据处理方面能够获得与Perl语言类似的灵活性。
posted on 2006-09-23 02:29 Jerry Cat 阅读(278) 评论(0)  编辑 收藏 引用

只有注册用户登录后才能发表评论。
【推荐】超50万行VC++源码: 大型组态工控、电力仿真CAD与GIS源码库
网站导航: 博客园   IT新闻   BlogJava   知识库   博问   管理



<2006年9月>
272829303112
3456789
10111213141516
17181920212223
24252627282930
1234567

常用链接

留言簿(7)

随笔档案

最新随笔

搜索

  •  

最新评论

阅读排行榜

评论排行榜