在C語言中使用Regex

  在C語言中使用Regex 如果使用者熟悉Linux下的sed、awk、grep或vi，那麼對Regex這一概念肯定不會陌生。由於它可以極大地簡化處理字串時的複雜度，因此現在已經在許多Linux工具 + 生產力中得到了應用。千萬不要以為Regex只是Perl、Python、Bash等指令碼語言的專利，作為C語言程式員，使用者同樣可以在自己的程式中運用Regex。  

標準的C和C++都不支援Regex，但有一些函數庫可以輔助C/C++程式員完成這一功能，其中最著名的當數Philip Hazel的Perl-Compatible Regular Expression庫，許多Linux發行版本都帶有這個函數庫。  

編譯Regex  
為了提高效率，在將一個字串與Regex進行比較之前，首先要用regcomp()函數對它進行編譯，將其轉化為regex_t結構：  

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

參數regex是一個字串，它代表將要被編譯的Regex；參數preg指向一個聲明為regex_t的資料結構，用來儲存編譯結果；參數cflags決定了Regex該如何被處理的細節。  

如果函數regcomp()執行成功，並且編譯結果被正確填充到preg中後，函數將返回0，任何其它的返回結果都代表有某種錯誤產生。  

匹配Regex  
一旦用regcomp()函數成功地編譯了Regex，接下來就可以調用regexec()函數完成模式比對：  

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; 
  
參數preg指向編譯後的Regex，參數string是將要進行匹配的字串，而參數nmatch和pmatch則用於把匹配結果返回給調用程式，最後一個參數eflags決定了匹配的細節。  

在調用函數regexec()進行模式比對的過程中，可能在字串string中會有多處與給定的Regex相匹配，參數pmatch就是用來儲存這些匹配位置的，而參數nmatch則告訴函數regexec()最多可以把多少個匹配結果填充到pmatch數組中。當regexec()函數成功返回時，從string+pmatch[0].rm_so到string+pmatch[0].rm_eo是第一個匹配的字串，而從string+pmatch[1].rm_so到string+pmatch[1].rm_eo，則是第二個匹配的字串，依此類推。  

釋放Regex  
無論什麼時候，當不再需要已經編譯過的Regex時，都應該調用函數regfree()將其釋放，以免產生記憶體流失。  

void regfree(regex_t *preg); 

函數regfree()不會返回任何結果，它僅接收一個指向regex_t資料類型的指標，這是之前調用regcomp()函數所得到的編譯結果。  

如果在程式中針對同一個regex_t結構調用了多次regcomp()函數，POSIX標準並沒有規定是否每次都必須調用regfree()函數進行釋放，但建議每次調用regcomp()函數對Regex進行編譯後都調用一次regfree()函數，以儘早釋放佔用的儲存空間。  

報告錯誤資訊  
如果調用函數regcomp()或regexec()得到的是一個非0的傳回值，則表明在對Regex的處理過程中出現了某種錯誤，此時可以通過調用函數regerror()得到詳細的錯誤資訊。  

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

參數errcode是來自函數regcomp()或regexec()的錯誤碼，而參數preg則是由函數regcomp()得到的編譯結果，其目的是把格式化訊息所必須的上下文提供給regerror()函數。在執行函數regerror()時，將按照參數errbuf_size指明的最大位元組數，在errbuf緩衝區中填入格式化後的錯誤資訊，同時返回錯誤資訊的長度。  

應用Regex  
最後給出一個具體的執行個體，介紹如何在C語言程式中處理Regex。  
#include <stdio.h>; #include <sys/types.h>; #include <regex.h>; /* 取子串的函數 */ 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; } /* 主程式 */ 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; /* 編譯Regex*/ 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; } /* 逐行處理輸入的資料 */ while(fgets(lbuf, sizeof(lbuf), stdin)) { ++lno; if ((z = strlen(lbuf)) > 0 && lbuf[z-1] == '/n') lbuf[z - 1] = 0; /* 對每一行應用Regex進行匹配 */ 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; } /* 輸出處理結果 */ 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)); } } /* 釋放Regex */ regfree(®); return 0; }