C语言使用正则表达式(常规方法)

C语言使用正则表达式

据说一个好的程序员是会使用DB和Regular Expression的程序员，可见两者是多么重要。正则表达式是能极大地提高工作效率的工具，使用过Linux下各种具备RE特性的工具的人一定对此深有感触。很多语言都支持RE，用的最多的当然是脚本，其中以perl最盛。不过，用C语言来用RE不是很多见，但是有时候也很有用，我最近也是看到别人说道这个，所以搜了一些资料加上自己的体会来说一说RE在C语言里的应用。C语言本身不具备RE特性，但是有很多库，在Linux下你可以很方便的使用regex.h提供的库。我先贴一段代码展示一下RE在C语言里是怎么用的

1 #include

2 #include

3 #include

4 #include

5 #include

6

7 int main(){

8

9 char*bematch ="********************";

10 char*pattern ="h{3,10}(.*)@.{5}.(.*)";

11 char errbuf[1024];

12 char match[100];

13 regex_t reg;

14 int err,nm =10;

15 regmatch_t pmatch[nm];

16

17 if((err=regcomp(®,pattern,REG_EXTENDED))<0){

18 regerror(err,®,errbuf,sizeof(errbuf));

19 printf("err:%s\n",errbuf);

20 }

21

22 err =regexec(®,bematch,nm,pmatch,0);

23

24 if(err ==REG_NOMATCH){

25 printf("no match\n");

26 exit(-1);

27 }else if(err){

28 regerror(err,®,errbuf,sizeof(errbuf));

29 printf("err:%s\n",errbuf);

30 exit(-1);

31 }

32

33 for(int i=0;i<10 &&pmatch[i].rm_so!=-1;i++){

34 int len =pmatch[i].rm_eo-pmatch[i].rm_so;

35 if(len){

36 memset(match,'\0',sizeof(match));

37 memcpy(match,bematch+pmatch[i].rm_so,len);

38 printf("%s\n",match);

39 }

40 }

41 return0;

42 }

我打算看看一个邮件地址是否匹配我所提供的pattern。这个邮件地址是

******************** patern为

"h{3,10}(.*)@.{5}.(.*)"

我们希望匹配一个以3个h字符接着为任意字符串（可以为空）直到遇到一个@，然后接5个任意的字符和一个.号，最后再接一个字符串（可以为空），我们运行得到的结果是

********************

ericchd

com

我们发现，这个邮件地址被匹配了，第一行输出了，第二行和第三行分别输出的是我们希望得到的匹配的一部分，也就是在pattern中用括号括起来的部分。在这里我们还发现，在C语言里使用RE表达式的时候和通常的UNIX一般的RE表达式有区别：

第一、\{\}和\(\)需要改成{}和(),因为在C语言反斜杠是转移字符用的

第二、.不需要转义，不想UNIX的RE那样需要\.，但是?和*我没有找到该怎么用

下面贴上对以上所用函数的一些解释

regex的使用

需要用到以下几个函数。（定义在/usr/include/regex.h文件中）

int regcomp (regex_t *compiled, const char *pattern, i nt cflags) int regexec (regex_t *compiled, char *stri ng, size_t nmatch, regmatch_t matchptr [], int eflags )

void regfree (regex_t *compiled)

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

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

这个函数把指定的规则表达式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。

regex_t 是一个结构体数据类型，用来存放编译后的规则表达式，它的成员re_nsub 用来存储规则表达式中的子规则表达式的个数，子规则表达式就是用圆括号包起来的部分表达式。

pattern 是指向我们写好的规则表达式的指针。

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规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)

当我们编译好规则表达式后，就可以用regexec 匹配我们的目标文本