[精彩] 如何在C語言中巧用Regex

 

[精彩] 如何在C語言中巧用Regex
http://www.chinaunix.net 作者:fwizard  發表於：2008-01-02 10:59:20
【發表評論】【查看原文】【C/C++討論區】【關閉】
看到大家討論這方面的東西，作點貢獻聊表各位高手對這個版快的無私奉獻 :oops:  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(&reg, pattern, cflags);   if (z != 0){     regerror(z, &reg, 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(&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;     }     /* 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(&reg);   return 0; }   上述程式負責從命令列擷取Regex，然後將其運用於從標準輸入得到的每行資料，並列印出匹配結果。執行下面的命令可以編譯並執行該程式：  #  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'   小結  對那些需要進行複雜資料處理的程式來說，Regex無疑是一個非常有用的工具。本文重點在於闡述如何在C語言中利用Regex來簡化字串處理，以便在資料處理方面能夠獲得與Perl語言類似的靈活性。