Linux下POSIX正则表达式API使用

原文链接：Linux下POSIX正则表达式API使用
发布时间：2015-12-12 11:01:33

一、概述

在Linux环境中，经常使用正则表达式，如grep、sed、find等等，目前正则表达式有2中不同的标准，分别是Perl标准和POSIX标准，这2种风格，大体相同，稍有差别。在 C/C++的标准库均不支持表达式，不过在C++11标准中，貌似引入了boost的正则库，在Linux环境中也自带了一组API支持正则，即POSIX标准的C接口。

常用的一组API如下：

1
2
3
4
5
6
7
8
int regcomp (regex_t *compiled, const char *pattern, int cflags);

int regexec (regex_t *compiled, char *string, 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);

二、实例解析

代码RegexDemo.c

代码的注释，已经很清楚，无需多言，如有错误，欢迎指正。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
/*************************************************************************
	> File Name: RegexDemo.c
	> Author: KentZhang
	> Mail: zhchk2010@qq.com
	> Created Time: 2015年12月12日 星期六 09时22分26秒
 ************************************************************************/

#include<stdio.h>
#include<sys/types.h>
#include<regex.h>
#include<string.h>
#include<stdlib.h>
#define BUFSIZE 256
int main(){
	/************************************************************************************************
	 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
	************************************************************************************************/

	char bufError[BUFSIZE] = {0};
	const char* strRule = "c[a-z]t";         //正则表达式
	const char* strSrc = "123citabcat+-cot"; //源字符串
	regex_t reg;                             //用来存放编译后的正则表达式
	int nResult = regcomp(&reg, strRule, 0); //编译正则表达式
	if (0 != nResult){                       //如果出错，获取出错信息
		regerror(nResult, &reg, bufError, sizeof(bufError));
		printf("regcomp() failed:%s\n", bufError);
	}

	regmatch_t pm[1];                       //这个结构体数组用来存放匹配的结果信息，本例是循环获取所有字串，数组长度为1即可
	const size_t nMatch = 1;                //表示上面数组的长度
	char bufMatch[BUFSIZE];
      /**************************************************************************************************
	    1、regmatch_t 这个结构体非常重要，包含2个成员rm_so,rm_eo,即匹配到的子串的首，尾在源字符串的偏移位置
	   显然根据源字符串首指针和这2个成员，可以获取字串的内容
        2、下面的regexec函数的第二个参数即源字符串的首指针，当然必须是UTF-8字符串，若要循环匹配，源字符串的指针
	   必须不断后移，因为前面的已经匹配过
      **************************************************************************************************/
	while(!regexec(&reg, strSrc, nMatch, pm, 0)){ //循环匹配出所有子串
		bzero(bufMatch,sizeof(bufMatch));
		strncpy(bufMatch, strSrc+pm[0].rm_so, pm[0].rm_eo-pm[0].rm_so); //取出匹配的结果，并打印
		printf("Match result is:%s, rm_so=%d, rm_eo=%d\n", bufMatch, pm[0].rm_so, pm[0].rm_eo);
		strSrc += pm[0].rm_eo;             //将指针后移，接着匹配
		if ('\0' == *strSrc)
			break;
	}

	regfree(&reg);
	return 0;

}

编译执行后的结果：

1
2
3
4
5
6
7
kent@ubuntu:~/workspace$ ./a.out

Match result is:cit, rm_so=3, rm_eo=6

Match result is:cat, rm_so=2, rm_eo=5

Match result is:cot, rm_so=2, rm_eo=5