vlambda博客
学习文章列表

c语言实现正则表达式匹配

正则表达式教程网站

https://www.jb51.net/tools/zhengze.html#introduction

 

C语言处理正则表达式的函数

regcomp()regexec()regfree()regerror()

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()

 

函数说明

头文件

#include <sys/types.h>

#include <regex.h>

 

函数

1int regcomp(regex_t *preg, const char *regex, int cflags);

功能:编译给定的正则表达式。 

参数说明:

1prepregex_t结构体数据类型,存放编译后的正则表达式。

2regex:指向给定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。

返回值:成功:0;失败:返回:errno

 

2 int regexec(const regex_t *preg, const char *string, size_t nmatch,

                   regmatch_t pmatch[], int eflags);

功能:利用编译好的正则表达式,匹配目标文本串,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:

preg:用regcomp函数编译好的正则表达式。

string:目标文本串。

nmatch:是regmatch_t结构体数组的长度。

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

eflags: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

返回值:成功:0;失败:返回:errno

3、 void regfree(regex_t *preg);

功能:清空compiled指向的regex_t结构体的内容。

如果是重新编译的话,一定要先清空regex_t结构体。

参数:

pgepregcomp函数编译好的正则表达式。

4、size_t regerror(int errcode, const regex_t *preg, char *errbuf,

                       size_t errbuf_size);

功能:regcomp regexec 产生错误时,调用这个函数可以返回一个包含错误信息的字符串。

参数说明:

errcode regcomp regexec 函数返回的错误代号。

preg:用regcomp函数编译好的正则表达式,这个值可以为NULL。

errbuf:用来存放错误信息的字符串的内存空间。

errbuf_size:errbuf的大小。如果这个错误信息的长度大于这个值,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。然后再来开辟对应的空间,存储错误信息。 

size_t length = regerror (errcode, compiled, NULL, 0);

 

匹配示例

#include <stdio.h>

#include <string.h>

#include <stdlib.h>

#include <unistd.h>

#include <errno.h>

#include <sys/types.h>

#include <regex.h>

 

int main(int argc, char *argv[])

{

    int ret;

    // char buf[] = " adwad [email protected] asda";

    char buf[] = " adwad 123456789 *@x qq.com asda";

    //匹配邮箱的正则表达式

    char *pattern = "\\w+([-+.]\\w+)*@\\w+([-.]\\w+)*\\.\\w+([-.]\\w+)*";

    regex_t preg;

    size_t nmatch = 1;

    regmatch_t pmatch[1];

    

    ret = regcomp(&preg, pattern, REG_EXTENDED);  //编译正则表达式

    ret = regexec(&preg, buf, nmatch, pmatch, REG_NOTEOL);  //匹配字符串

    

    if(ret != REG_NOERROR){  //匹配失败,打印失败原因

        int err_length = regerror(ret, &preg, NULL0);//先获取失败原因的长度,然后再开辟内存空间存放。

        char *errbuf = malloc(err_length);

        regerror(ret, &preg, errbuf, err_length);  

        printf("%s\r\n", errbuf);

        free(errbuf);

        return -1;

    }

    /*匹配成功,打印匹配到的内容*/

    for (int i = pmatch[0].rm_so; i < pmatch[0].rm_eo; i++)

    {

        putchar(buf[i]);

    }

    printf("\r\n");

    regfree(&preg);  //清空编译好的正则表达式

    

    return 0;

}