在C/C++语言中使用正则表达式

如题所述

本文所有的内容都来自网络,加上一些个人的理解,不保证正确性,欢迎批评指正
   说起正则表达式(Regular Expression),也许有的朋友天天都在使用,比如grep、vim、sed、awk,只是可能对这个名词不大熟悉。正则表达式一般简写为regex或者regexp,甚至是RE。关于正则表达式的介绍,有很多的文章,用搜索引擎查找就可以找到很不错的使用说明。但是在C/C++语言中如何去使用,相应的介绍比较缺乏。大多数C标准库自带regex,可以通过/usr/include/regex.h去看,或者man regex看使用说明。perl,php等语言更是提供了功能强大的正则表达式,最著名的C语言正则表达式库为PCRE(Perl Compatible Regular Expression)。本文主要对regex和pcre的使用做一点入门介绍。
   1、regex
   regex的使用非常简单,只要看一下示例代码1就能明白(示例代码是从“GNU C 规则表达式入门”这篇文章里摘取出来的,是否为原始出处就
   不得而知了)。
   CODE:#include stdio.h
   #include string.h
   #include regex.h
   #define SUBSLEN 10              /* 匹配子串的数量 */
   #define EBUFLEN 128          /* 错误消息buffer长度 */
   #define BUFLEN 1024          /* 匹配到的字符串buffer长度 */
   int main()
   {
   size_t       len;
   regex_t       re;      /* 存储编译好的正则表达式,正则表达式在使用之前要经过编译 */
   regmatch_t    subs [SUBSLEN]; /* 存储匹配到的字符串位置 */
   char          matched [BUFLEN];     /* 存储匹配到的字符串 */
   char          errbuf [EBUFLEN]; /* 存储错误消息 */
   int          err, i;
   char          src    [] = "111 titleHello World/title 222"; /* 源字符串 */
   char          pattern [] = "title(.*)/title"; /* pattern字符串 */
   printf("String : %s/n", src);
   printf("Pattern: /"%s/"/n", pattern);
   /* 编译正则表达式 */
   err = regcomp(re, pattern, REG_EXTENDED);
   if (err) {
   len = regerror(err, re, errbuf, sizeof(errbuf));
   printf("error: regcomp: %s/n", errbuf);
   return 1;
   }
   printf("Total has subexpression: %d/n", re.re_nsub);
   /* 执行模式匹配 */
   err = regexec(re, src, (size_t) SUBSLEN, subs, 0);
   if (err == REG_NOMATCH) { /* 没有匹配成功 */
   printf("Sorry, no match .../n");
   regfree(re);
   return 0;
   } else if (err) {   /* 其它错误 */
   len = regerror(err, re, errbuf, sizeof(errbuf));
   printf("error: regexec: %s/n", errbuf);
   return 1;
   }
   /* 如果不是REG_NOMATCH并且没有其它错误,则模式匹配上 */
   printf("/nOK, has matched .../n/n");
   for (i = 0; i = re.re_nsub; i++) {
   len = subs[i].rm_eo - subs[i].rm_so;
   if (i == 0) {
   printf ("begin: %d, len = %d   ", subs[i].rm_so, len); /* 注释1 */
   } else {
   printf("subexpression %d begin: %d, len = %d   ", i, subs[i].rm_so, len);
   }
   memcpy (matched, src + subs[i].rm_so, len);
   matched[len] = '/0';
   printf("match: %s/n", matched);
   }
   regfree(re); /* 用完了别忘了释放 */
   return (0);
   }
   执行结果是
   CODE:String : 111 titleHello World/title 222
   Pattern: "title(.*)/title"
   Total has subexpression: 1
   OK, has matched ...
   begin: %, len = 4   match: titleHello World/title
   subexpression 1 begin: 11, len = 11   match: Hello World
   从示例程序可以看出,使用之前先用regcomp()编译一下,然后调用regexec()进行实际匹配。如果只是看有没有匹配成功,掌握这2个函数的用法即可。有时候我们想要取得匹配后的子表达式,比如示例中想获得title是什么,需要用小括号 "( )"把子表达式括起来"title(.*)/title",表达式引擎会将小括号 "( )" 包含的表达式所匹配到的字符串记录下来。在获取匹配结果的时候,小括号包含的表达式所匹配到
   的字符串可以单独获取,示例程序就是我用来获取http网页的主题(title)的方式。
   regmatch_t subs[SUBSLEN]是用来存放匹配位置的,subs[0]里存放这个匹配的字符串位置,subs[1]里存放第一个子表达式的匹配位置,也就是例子中的title,通过结构里的rm_so和rm_eo可以取到,这一点很多人不太注意,应该强调一下。
   注释1:开始调试代码的时候是在FreeBSD 6.2上进行的,print出来的len总是0,但print出来的字符串又没错,很是迷惑,把它放到Linux上则完全正常,后来仔细检查才发现rm_so在Linux上是32位,在FreeBSD上是64位,用%d的话实际取的是rm_so的高32位,而不是实际的len,把print rm_so的地方改为%llu就可以了。
   regex虽然简单易用,但对正则表达式的支持不够强大,中文处理也有问题,于是引出了下面要说的PCRE。
   2、PCRE   (http://www.pcre.org
   PCRE的名字就说明了是Perl Compatible,熟悉Perl、PHP的人使用起来完全没有问题。PCRE有非常丰富的使用说明和示例代码(看看
   pcredemo.c就能明白基本的用法),下面的程序只是把上面regex改为pcre。
   CODE:/* Compile thuswise:
   * gcc -Wall pcre1.c -I/usr/local/include -L/usr/local/lib -R/usr/local/lib -lpcre
   *
   */
   #include stdio.h
   #include string.h
   #include pcre.h
   #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          src [] = "111 titleHello World/title 222";
   char          pattern [] = "title(.*)/title";
   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;
   }
   执行结果是:
   CODE:String : 111 titleHello World/title 222
   Pattern: "title(.*)/title"
   OK, has matched ...
   0: titleHello World/title
   1: Hello World
   比较这2个例子可以看出,在regex用的是regcomp()、regexec(),pcre则使用pcre_compile()、pcre_exec(),用法几乎完全一致。
   pcre_compile()有很多选项,详细说明参见http://www.pcre.org/pcre.txt。如果是多行文本,可以设置PCRE_DOTALL的选项pcre_complie(re,
   PCRE_DOTALL,....),表示'.'也匹配回车换行"/r/n"。
   3、pcre++
   pcre++(http://www.daemon.de/PCRE)对pcre做了c++封装,使用起来更加方便。
   CODE:/*
   * g++ pcre2.cpp -I/usr/local/include -L/usr/local/lib -R/usr/local/lib -lpcre++ -lpcre
   */
   #include string
   #include iostream
   #include pcre++.h
   using namespace std;
   using namespace pcrepp;
   int main()
   {
   string src("111 titleHello World/title 222");
   string pattern("title(.*)/title");
   cout "String : " src endl;
   cout "Pattern : " pattern endl;
   Pcre reg(pattern, PCRE_DOTALL);
   if (reg.search(src) == true) { //
   cout "/nOK, has matched .../n/n";
   for(int pos = 0; pos reg.matches(); pos++) {
   cout pos ": " reg[pos] endl;
   }
   } else {
   cout "Sorry, no match .../n";
   return 1;
   }
   return 0;
   }
   执行结果是:
   CODE:String : 111 titleHello World/title 222
   Pattern : title(.*)/title
   OK, has matched ...
   0: Hello World
   4、oniguruma
   还有一个正则表达式的库oniguruma(http://www.geocities.jp/kosako3/oniguruma/),对于东亚文字支持比较好,开始是用在ruby上,也可用于C++,是日本的开发人员编写的。大多数人都不会用到,也就不做介绍了。如果有疑问可以通过email来讨论它的用法。
   5、Regular Expression的内部实现
   关于Regular Expression的实现,用到了不少自动机理论(Automata Theory)的知识,有兴趣的可以找这方面的资料来看,这本书“
   Introduction to Automata Theory, Languages, and Computation”写的很好,编译原理的书也有这方面的内容。
温馨提示:答案为网友推荐,仅供参考
相似回答