笔记整理——Linux下C语言正则表达式

笔记整理——Linux下C语⾔正则表达式
Linux下C语⾔正则表达式使⽤详解 - Google Chrome (2013/5/2 16:40:37)
Linux下C语⾔正则表达式使⽤详解
2012年6⽉6⽇627 views
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。

C语⾔处理正则表达式常⽤的函数有regcomp()、regexec()、regfree()和regerror()，⼀般分为三个步骤，如下所⽰：
C语⾔中使⽤正则表达式⼀般分为三步：
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()
下边是对三个函数的详细解释
1. int regcomp (regex_t *compiled, const char *pattern, int cflags)
这个函数把指定的正则表达式pattern编译成⼀种特定的数据格式compiled，这样可以使匹配更有效。

函数regexec 会使⽤这个数据在⽬标⽂本串中进⾏模式匹配。

执⾏成功返回０。

参数说明：
①regex_t 是⼀个结构体数据类型，⽤来存放编译后的正则表达式，它的成员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。

②pattern 是指向我们写好的正则表达式的指针。

③cflags 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)
当我们编译好正则表达式后，就可以⽤regexec 匹配我们的⽬标⽂本串了，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。

该函数虽然以regmatch_t数组的形式定义了参数，但是实际上regexec()函数只能匹配到⼀个，让⼈误解啊，特别注明⼀下。

参数说明：
①compiled 是已经⽤regcomp函数编译好的正则表达式。

②string 是⽬标⽂本串。

③nmatch 是regmatch_t结构体数组的长度。

④matchptr regmatch_t类型的结构体数组，存放匹配⽂本串的位置信息。

⑤eflags 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)
当我们使⽤完编译好的正则表达式后，或者要重新编译其他正则表达式的时候，我们可以⽤这个函数清空compiled指向的regex_t结构体的内容，请记住，如果是重新编译的话，⼀定要先清空regex_t结构体。

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。

参数说明：
①errcode 是由regcomp 和 regexec 函数返回的错误代号。

②compiled 是已经⽤regcomp函数编译好的正则表达式，这个值可以为NULL。

③buffer 指向⽤来存放错误信息的字符串的内存空间。

④length 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);
下边是⼀个连续查找⽂本中匹配字符串的例⼦：
分类： 正则表达式梳理（unix ） - aten_xie 的专栏 - 博客频道 - - Google Chrome (2013/4/16 18:14:01)
2011-03-04 22:51 945⼈阅读 (0) 正则表达式（regular experience RE ）是⼀种字符模式，⽤于在查找过程中匹配指定的字符。

在⼤多数程序中，正则表达式都被置于两个正斜杠之间。

例如：/test/ 就是由正斜杠界定的正则表达式，它将匹配被查找的⾏中任何位置出现的相同模式。

正则表达式元字符
元字符是这样⼀类字符，它们表达的是不同于字⾯本⾝的含义。

正则表达式元字符是由各种执⾏模式匹配操作的程序来解析，例如：sed 、grep 、awk 等。

常⽤正则表达式的元字符如下：
元字符
功能实例匹配结果备注^
⾏⾸定位符/^test/匹配所有以test 开头的⾏空格、TAB 等也是作为字符进⾏匹配的。

$
⾏尾定位符/test$/匹配所有以test 结尾的⾏ . (点)匹配除“/n”之外的任何单个字符/t..t/
匹配包含⼀个t ，后跟两个字符，在跟⼀个t 的⾏。

任意单个字符包含空格和TAB 键。

即：“t t” 也是满⾜匹配条件
的。

若要匹配包括“/n”在内的任
意字符，请使⽤诸
如“[/s/S]”之类的模式。

*零次或多次匹配前⾯的字符或⼦表达
/t*est/匹配包含0个或者多个t 后跟est 的⾏。

可以匹
式配：est 、test 、ttest +⼀次或多次匹配前⾯的字符或⼦表达
式/t+est/
匹配包含1个或者多个t 后跟est 的⾏。

可以匹配：test 、ttest 。

字符
串“est”则⽆法进⾏匹配
了。

零次或者⼀次匹配前⾯的字符串或者⼦表达式/t?est/匹配包含0个或者1个t 后跟est 的⾏。

可以匹配：test 、est 。

ttest 也是符合匹配标准
的，因为ttest 字符串中包含
整个test 。

当此字符紧随任何其他限定
符（*、+、?、{n }、{n ,}、
{n ,m }）之后时，匹配模式
是“⾮贪⼼的”。

“⾮贪⼼
的”模式匹配搜索到的、尽
可能短的字符串，⽽默认
的“贪⼼的”模式匹配搜索到
的、尽可能长的字符串。

例
如，在字符
串“oooo”中，“o+?”只匹配
单个“o”，⽽“o+”匹配所
有“o”。

[]
匹配⼀组字符中的任⼀个/[Tt]est/匹配包含Test 或者test
⾏ [x-y]匹配指定范围内的⼀个字符
/[A-Z]est/
匹配后⾯跟着est 的⼀个A ⾄Z 之间的字符。

[0-9]：⽤来匹配任意数字 [A-Za-z]：⽤来匹配任意字母[^]匹配不在指定组内的字符
/[^A-Z]/
匹配不在范围A ⾄Z 之间的任⼀个字符 /⽤来转义元字符
/test/*/匹配包含test ，后⾯跟⼀个*号的所有⾏。

////⽤来匹配“/”符号⾃⾝/<词⾸定位符//匹配包含以love 开头的词的⾏。

如：love 、
lover
vi 和grep ⽀持
/>词尾定位符/love/>/
匹配包含以love 结尾的词的⾏。

如：aalove vi 和grep ⽀持
/(pattern/)匹配模式pattern ，并将之存储在寄存器中，供之后使⽤。

//(love/)able /1r/最多可以使⽤9个标签，模式中最左边的标签是第⼀个。

例如：模式love 被保存为标签1，⽤/1表⽰。

左边这个例⼦中，查找串是⼀个
loveable 后跟 lover 的
长串。

sed 、vi 、grep ⽀持。

例如：
sed “s//(love/)//1able/” 功能
是将⽂件中的love 替换成
loveable 。

x/{m/} 或 x/{m,/} 或 x/{m,n/}字符x 的重复出现；
m 次，⾄少m 次，⾄
少m 次且不超过n
次。

o/{5,10/}
匹配包含5-10个连续的字母o 的⾏。

vi 和grep ⽀持 grep ⽀持的正则表达式元字符元字符
功能实例匹配结果备注^
⾏⾸定位符grep “^test” datafile 打印所有以test 开头的⾏ $
⾏尾定位符grep “test$” datafile 打印所有以test 结尾的⾏ . (点)匹配除“/n”之外的任何单个字符
/t..t/
匹配包含⼀个t ，后跟两个字符，在跟⼀个t 的⾏。

*零次或多次匹配前⾯的字符或⼦表达式/t*est/
匹配包含0个或者多个t 后跟est 的⾏。

可
以匹配：est 、test 、
ttest
[]匹配⼀组字符中的任⼀个
/[Tt]est/匹配包含Test 或者
test ⾏
[^]匹配不在指定组内的
字符/[^A-Z]/匹配不在范围A⾄Z之
间的任⼀个字符
/<词⾸定位符//匹配包含以love开头
的词的⾏。

如：
love、lover
vi和grep⽀持
/>词尾定位符/love/>/匹配包含以love结尾
的词的⾏。

如：aalove
vi和grep⽀持
/(pattern/)匹配模式pattern，
并将之存储在寄存器
中，供之后使⽤。

//(love/)able /1r/最多可以使⽤9个标
签，模式中最左边的
标签是第⼀个。

例
如：模式love被保存
为标签1，⽤/1表⽰。

左边这个例⼦中，查
找串是⼀个loveable
后跟 lover的长串。

sed、vi、grep⽀
持。

例如：
sed
“s//(love/)//1able/”
功能是将⽂件中的
love替换成
loveable。

x/{m/} 或x/{m,/} 或x/{m,n/}字符x的重复出现；
m次，⾄少m次，⾄
少m次且不超过n
次。

o/{5,10/}匹配包含5-10个连续
的字母o的⾏。

C语⾔正则表达式详解 regcomp() regexec() regfree()详解_正则表达式教程 - Google Chrome (2013/4/10 12:09:15)
C语⾔中嵌⼊正则表达式
10
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。

C语⾔处理正则表达式常⽤的函数有regcomp()、regexec()、regfree()和regerror()，⼀般分为三个步
骤，如下所⽰：
C语⾔中使⽤正则表达式⼀般分为三步：
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()
下边是对三个函数的详细解释
1、int regcomp (regex_t *compiled, const char *pattern, int cflags)
这个函数把指定的正则表达式pattern编译成⼀种特定的数据格式compiled，这样可以使匹配更有效。

函数regexec 会使⽤这个数据在⽬标⽂本串中进⾏模式匹配。

执⾏成功返回０。

　
参数说明：①regex_t 是⼀个结构体数据类型，⽤来存放编译后的正则表达式，它的成员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。

②pattern 是指向我们写好的正则表达式的指针。

③cflags 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)当我们编译好正则表达式后，就可以⽤regexec 匹配我们的⽬标⽂本串了，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。

参数说明：①compiled 是已经⽤regcomp函数编译好的正则表达式。

②string 是⽬标⽂本串。

③nmatch 是regmatch_t结构体数组的长度。

④matchptr regmatch_t类型的结构体数组，存放匹配⽂本串的位置信息。

⑤eflags 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)当我们使⽤完编译好的正则表达式后，或者要重新编译其他正则表达式的时候，我们可以⽤这个函数清空compiled指向的regex_t结构体的内容，请记住，如果是重新编译的话，⼀定要先清空regex_t结构体。

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。

参数说明：①errcode 是由regcomp 和 regexec 函数返回的错误代号。

②compiled 是已经⽤regcomp函数编译好的正则表达式，这个值可以为NULL。

③buffer 指向⽤来存放错误信息的字符串的内存空间。

④length 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);下边是⼀个匹配Email例⼦，按照上⾯的三步就可以。

下⾯的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。

#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(?, pattern, cflags); if (z != 0){ regerror(z, ?, 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(?, lbuf, nmatch, pm, 0); if (z == REG_NOMATCH) continue; else if (z != 0) { regerror(z, ?, 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(?); return 0;}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.c0003: #include <regex.h>$0='regex'0027: regex_t reg;$0='regex'0054: z = regexec(?, lbuf, nmatch, pm, 0);$0='regexec'
常⽤正则表达式-⽉光博客 - Google Chrome (2013/4/10 10:09:16)
正则表达式⽤于字符串处理、表单验证等场合，实⽤⾼效。

现将⼀些常⽤的表达式收集于此，以备不时之需。

匹配中⽂字符的正则表达式： [\u4e00-\u9fa5]
评注：匹配中⽂还真是个头疼的事，有了这个表达式就好办了
匹配双字节字符(包括汉字在内)：[^\x00-\xff]
评注：可以⽤来计算字符串的长度（⼀个双字节字符长度计2，ASCII字符计1）
匹配空⽩⾏的正则表达式：\n\s*\r
评注：可以⽤来删除空⽩⾏
匹配HTML标记的正则表达式：<(\S*?)[^>]*>.*?</\1>|<.*? />
评注：⽹上流传的版本太糟糕，上⾯这个也仅仅能匹配部分，对于复杂的嵌套标记依旧⽆能为⼒
匹配⾸尾空⽩字符的正则表达式：^\s*|\s*$
评注：可以⽤来删除⾏⾸⾏尾的空⽩字符(包括空格、制表符、换页符等等)，⾮常有⽤的表达式
匹配Email地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
评注：表单验证时很实⽤
匹配⽹址URL的正则表达式：[a-zA-z]+://[^\s]*
评注：⽹上流传的版本功能很有限，上⾯这个基本可以满⾜需求
匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
评注：表单验证时很实⽤
匹配国内电话号码：\d{3}-\d{8}|\d{4}-\d{7}
评注：匹配形式如************或************
匹配腾讯QQ号：[1-9][0-9]{4,}
评注：腾讯QQ号从10000开始
匹配中国邮政编码：[1-9]\d{5}(?!\d)
评注：中国邮政编码为6位数字
匹配⾝份证：\d{15}|\d{18}
评注：中国的⾝份证为15位或18位
匹配ip地址：\d+\.\d+\.\d+\.\d+
评注：提取ip地址时有⽤
匹配特定数字：
^[1-9]\d*$ //匹配正整数
^-[1-9]\d*$ //匹配负整数
^-?[1-9]\d*$ //匹配整数
^[1-9]\d*|0$ //匹配⾮负整数（正整数 + 0）
^-[1-9]\d*|0$ //匹配⾮正整数（负整数 + 0）
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$ //匹配正浮点数
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$ //匹配负浮点数
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$ //匹配浮点数
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$ //匹配⾮负浮点数（正浮点数 + 0）
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$ //匹配⾮正浮点数（负浮点数 + 0）
评注：处理⼤量数据时有⽤，具体应⽤时注意修正
匹配特定字符串：
^[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
评注：最基本也是最常⽤的⼀些表达式
原载地址：
本⽂章要提供的这些表达式是url 卡号数字邮编 QQ号整数英⽂中⽂正则代码哦，下⾯我们来⼀⼀注明吧。

Url : /^http://[A-Za-z0-9]+.[A-Za-z0-9]+[/=?%-&_~`@[]':+!]*([^<>""])*$/, //地址正则
IdCard : /^d{15}(d{2}[A-Za-z0-9])?$/, //卡号正则
Currency : /^d+(.d+)?$/,
Number : /^d+$/, //数字
Zip : /^[1-9]d{5}$/, //邮编
QQ : /^[1-9]d{4,8}$/, //QQ正则
Integer : /^[-+]?d+$/,
Double : /^[-+]?d+(.d+)?$/,
English : /^[A-Za-z]+$/, //英语
Chinese : /^[u0391-uFFE5]+$/, 汉字
Username : /^[a-z]w{3,}$/i,
UnSafe : /^(([A-Z]*|[a-z]*|d*|[-_~!@#$%^&*.()[]{}<>?\/'"]*)|.{0,5})$|s/,
来源： <>
linux C regex正则表达式函数库 - crocodile的记录空间 - 51CTO技术博客 - Google Chrome (2013/4/1 13:53:29)。