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()和regerror()
C语言中使用正则表达式一般分为三步:
编译正则表达式 regcomp()
匹配正则表达式 regexec()
释放正则表达式 regfree()
函数说明
头文件
#include <sys/types.h>
#include <regex.h>
函数
1、int 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:
1、prep:regex_t结构体数据类型,存放编译后的正则表达式。
2、regex:指向给定的正则表达式的指针。
3、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:
pgep:regcomp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 或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 和 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, NULL, 0);//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;
}