标题：使用Linux/Unix/BSD的regex库
出处：Felix021
时间：Sun, 25 Nov 2012 00:01:01 +0000
作者：felix021
地址：https://www.felix021.com/blog/read.php?2099

内容：
C/C++标准里头都没有正则表达式，C++还好，可以用上boost::regex，C的话，最简单的还是用系统自带的正则库了。

这个正则库真是相当简单，如果不关心内部琐碎的细节，实际上它只有2个类型、4个函数和7个常量，详细的后面会列出来（或者直接man regex），这里还是直接看例子比较实在：

代码1：email格式检测#include <stdio.h>
#include <regex.h>
#include <assert.h>

int main() {
    //分配一个regex_t
    regex_t reg; 
    //编译（使用POSIX扩展模式、并忽略大小写），确认编译成功（返回0）
    assert(regcomp(&reg, "^[a-z0-9_]+@([a-z0-9-]+\\.)+[a-z0-9]+$", REG_EXTENDED | REG_ICASE) == 0);
    int ret = regexec(&reg, "steve@rim.jobs", 0, NULL, 0); //执行搜索
    //看看返回值：0表示匹配成功，1表示REG_NOMATCH
    printf("ret = %d, nomatch = %d\n", ret, REG_NOMATCH); 
    regfree(&reg); //记得释放空间
}


代码2：匹配xml的tag，取出key/valueint main() {
    const char *str = "<key>value</key>";
    regex_t reg;
    assert(regcomp(&reg, "<([^>]*)>([^<]*)</\\1>", REG_EXTENDED) == 0); //编译
    const int nr_match = 3;  //串本身 + 2个子匹配
    regmatch_t matches[nr_match]; //存储匹配的起始位置和结束位置
    int ret = regexec(&reg, str, nr_match, matches, 0);
    if (ret == 0) { //匹配成功
        for (int i = 0; i < nr_match; i++) { //先输出整个串，再依次输出子匹配
            for (int j = matches[i].rm_so; j < matches[i].rm_eo; j++) // [起始, 结束)
                putchar(str[j]);
            putchar('\n');
        }
    }
    else if (ret == REG_NOMATCH) { //匹配失败
        printf("no match\n");
    }
    else { //执行错误
        char msgbuf[256];
        regerror(ret, &reg, msgbuf, sizeof(msgbuf)); //输出错误信息至字符数组
        printf("error: %s\n", msgbuf);
    }
    regfree(&reg);
    return 0;
}

//运行结果：
<key>value</key>
key
value


代码3：找出所有匹配的字符串（regexec只匹配第一个）int main() {
    regex_t reg;
    const char *str = "<k1>v1</k1><k2>v2</k2><k3>v3</k3>";
    assert(regcomp(&reg, "<([^>]*)>([^<]*)</\\1>", REG_EXTENDED) == 0); 
    const int nr_match = 3;
    regmatch_t matches[nr_match];

    const char *start = str;
    while (1) {
        int ret = regexec(&reg, start, nr_match, matches, 0); 
        if (ret == 0)
        {   
            for (int i = 0; i < nr_match; i++)
            {   
                for (int j = matches[i].rm_so; j < matches[i].rm_eo; j++)
                    putchar(start[j]);
                putchar('\n');
            }   
            start += matches[0].rm_eo;  //下次从 这次匹配末尾 开始搜索
            continue; 
        }   
        if (ret == REG_NOMATCH)
            printf("no match\n");
        else {
            char msgbuf[256];
            regerror(ret, &reg, msgbuf, sizeof(msgbuf));
            printf("error: %s\n", msgbuf);
        }   
        break;
    }
    regfree(&reg);
    return 0;
}

//输出：
<k1>v1</k1>
k1
v1
<k2>v2</k2>
k2
v2
<k3>v3</k3>
k3
v3
no match



==== 分割线 ====

上面给出的几个例子能够满足regex的基本使用了，这里把前面提到的2、4、7给列出来，供参考。

//用于储存编译好的正则
typedef struct re_pattern_buffer  regex_t ;

//用于存储匹配到的位置（起始、结束偏移量，rm_so是RegexMatch_StartOffset的首字母简写）
typedef struct {
    regoff_t rm_so;
    regoff_t rm_eo;
} regmatch_t;

//将regex正则表达式 编译存储到preg指向的regex_t中去，该regex_t需要事先分配好。编译成功返回0。
int regcomp(regex_t *preg, const char *regex, int cflags);

//其中cflags可以是以下几项的异或
    REG_EXTENDED  //启用posix扩展模式，(){}+这些字符变成元字符 
    REG_ICASE         //忽略大小写
    REG_NOSUB       //只匹配，不保存匹配到的正则位置
    REG_NEWLINE    //启用多行模式：. 不能匹配换行符，且 ^和$可以匹配\n之后的位置和\n之前的位置

//释放编译使额外分配的空间（不会释放regex_t本身）
void regfree(regex_t *preg);

//执行搜索匹配：查找string中满足preg的第一个串，将串的始末位置保存到pmatch[0].rm_so/rm_eo；
//子匹配依次保存到pmatch[1], pmatch[2], ... 调用者要保证匹配的数量不超过nmatch。
//匹配成功返回0，无匹配返回 <REG_NOMATCH> ，其他是出错（比如参数错误）。
int regexec(const regex_t *preg, const char *string,
                 size_t nmatch, regmatch_t pmatch[], int eflags);

//其中eflags可以是以下的异或
REG_NOTBOL   //无视^规则（Beginning Of Line）：将字符串分段匹配的时候，后面可能不希望匹配到^
REG_NOTEOL   //无视$规则



Generated by Bo-blog 2.1.0