C語言怎么用正則表達式

由于它可以極大地簡化處理字符串時的復雜度，因此現在已經在許多 L i n u x 實用工具中得到了應用。千萬不要以為正則表達式只是 P e r l 、 P y t h o n 、 B a s h 等腳本語言的專利，作為 C 語言程序員，用戶同樣可以在自己的程序中運用正則表達式。標準的 C 和 C + + 都不支持正則表達式，但有一些函數庫可以輔助 C / C + + 程序員完成這一功能，其中最著名的當數 P h i l i p H a z e l 的 P e r l - C o m p a t i b l e R e g u l a r E x p r e s s i o n 庫，許多 L i n u x 發(fā)行版本都帶有這個函數庫。編譯正則表達式為了提高效率，在將一個字符串與正則表達式進行比較之前，首先要用 r e g c o m p ( ) 函數對它進行編譯，將其轉化為 r e g e x _ t 結構： i n t r e g c o m p ( r e g e x _ t * p r e g , c o n s t c h a r * r e g e x , i n t c f l a g s ) ; 參數 r e g e x 是一個字符串，它代表將要被編譯的正則表達式；參數 p r e g 指向一個聲明為 r e g e x _ t 的數據結構，用來保存編譯結果；參數 c f l a g s 決定了正則表達式該如何被處理的細節(jié)。如果函數 r e g c o m p ( ) 執(zhí)行成功，并且編譯結果被正確填充到 p r e g 中后，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。匹配正則表達式一旦用 r e g c o m p ( ) 函數成功地編譯了正則表達式，接下來就可以調用 r e g e x e c ( ) 函數完成模式匹配： i n t r e g e x e c ( c o n s t r e g e x _ t * p r e g , c o n s t c h a r * s t r i n g , s i z e _ t n m a t c h , r e g m a t c h _ t p m a t c h [ ] , i n t e f l a g s ) ; t y p e d e f s t r u c t { r e g o f f _ t r m _ s o ; r e g o f f _ t r m _ e o ; } r e g m a t c h _ t ; 參數 p r e g 指向編譯后的正則表達式，參數 s t r i n g 是將要進行匹配的字符串，而參數 n m a t c h 和 p m a t c h 則用于把匹配結果返回給調用程序，最后一個參數 e f l a g s 決定了匹配的細節(jié)。在調用函數 r e g e x e c ( ) 進行模式匹配的過程中，可能在字符串 s t r i n g 中會有多處與給定的正則表達式相匹配，參數 p m a t c h 就是用來保存這些匹配位置的，而參數 n m a t c h 則告訴函數 r e g e x e c ( ) 最多可以把多少個匹配結果填充到 p m a t c h 數組中。當 r e g e x e c ( ) 函數成功返回時，從 s t r i n g + p m a t c h [ 0 ] . r m _ s o 到 s t r i n g + p m a t c h [ 0 ] . r m _ e o 是第一個匹配的字符串，而從 s t r i n g + p m a t c h [ 1 ] . r m _ s o 到 s t r i n g + p m a t c h [ 1 ] . r m _ e o ，則是第二個匹配的字符串，依此類推。釋放正則表達式無論什么時候，當不再需要已經編譯過的正則表達式時，都應該調用函數 r e g f r e e ( ) 將其釋放，以免產生內存泄漏。 v o i d r e g f r e e ( r e g e x _ t * p r e g ) ; 函數 r e g f r e e ( ) 不會返回任何結果，它僅接收一個指向 r e g e x _ t 數據類型的指針，這是之前調用 r e g c o m p ( ) 函數所得到的編譯結果。如果在程序中針對同一個 r e g e x _ t 結構調用了多次 r e g c o m p ( ) 函數， P O S I X 標準并沒有規(guī)定是否每次都必須調用 r e g f r e e ( ) 函數進行釋放，但建議每次調用 r e g c o m p ( ) 函數對正則表達式進行編譯后都調用一次 r e g f r e e ( ) 函數，以盡早釋放占用的存儲空間。報告錯誤信息如果調用函數 r e g c o m p ( ) 或 r e g e x e c ( ) 得到的是一個非 0 的返回值，則表明在對正則表達式的處理過程中出現了某種錯誤，此時可以通過調用函數 r e g e r r o r ( ) 得到詳細的錯誤信息。 s i z e _ t r e g e r r o r ( i n t e r r c o d e , c o n s t r e g e x _ t * p r e g , c h a r * e r r b u f , s i z e _ t e r r b u f _ s i z e ) ; 參數 e r r c o d e 是來自函數 r e g c o m p ( ) 或 r e g e x e c ( ) 的錯誤代碼，而參數 p r e g 則是由函數 r e g c o m p ( ) 得到的編譯結果，其目的是把格式化消息所必須的上下文提供給 r e g e r r o r ( ) 函數。在執(zhí)行函數 r e g e r r o r ( ) 時，將按照參數 e r r b u f _ s i z e 指明的最大字節(jié)數，在 e r r b u f 緩沖區(qū)中填入格式化后的錯誤信息，同時返回錯誤信息的長度。應用正則表達式最后給出一個具體的實例，介紹如何在 C 語言程序中處理正則表達式。 # i n c l u d e s t d i o . h ; # i n c l u d e s y s / t y p e s . h ; # i n c l u d e r e g e x . h ; / * 取子串的函數 * / s t a t i c c h a r * s u b s t r ( c o n s t c h a r * s t r , u n s i g n e d s t a r t , u n s i g n e d e n d ) { u n s i g n e d n = e n d - s t a r t ; s t a t i c c h a r s t b u f [ 2 5 6 ] ; s t r n c p y ( s t b u f , s t r + s t a r t , n ) ; s t b u f [ n ] = 0 ; r e t u r n s t b u f ; } / * 主程序 * / i n t m a i n ( i n t a r g c , c h a r * * a r g v ) { c h a r * p a t t e r n ; i n t x , z , l n o = 0 , c f l a g s = 0 ; c h a r e b u f [ 1 2 8 ] , l b u f [ 2 5 6 ] ; r e g e x _ t r e g ; r e g m a t c h _ t p m [ 1 0 ] ; c o n s t s i z e _ t n m a t c h = 1 0 ; / * 編譯正則表達式 * / p a t t e r n = a r g v [ 1 ] ; z = r e g c o m p ( r e g , p a t t e r n , c f l a g s ) ; i f ( z ! = 0 ) { r e g e r r o r ( z , r e g , e b u f , s i z e o f ( e b u f ) ) ; f p r i n t f ( s t d e r r , " % s : p a t t e r n ' % s ' \ n " , e b u f , p a t t e r n ) ; r e t u r n 1 ; } / * 逐行處理輸入的數據 * / w h i l e ( f g e t s ( l b u f , s i z e o f ( l b u f ) , s t d i n ) ) { + + l n o ; i f ( ( z = s t r l e n ( l b u f ) ) ; 0 l b u f [ z - 1 ] = = ' \ n ' ) l b u f [ z - 1 ] = 0 ; / * 對每一行應用正則表達式進行匹配 * / z = r e g e x e c ( r e g , l b u f , n m a t c h , p m , 0 ) ; i f ( z = = R E G _ N O M A T C H ) c o n t i n u e ; e l s e i f ( z ! = 0 ) { r e g e r r o r ( z , r e g , e b u f , s i z e o f ( e b u f ) ) ; f p r i n t f ( s t d e r r , " % s : r e g c o m ( ' % s ' ) \ n " , e b u f , l b u f ) ; r e t u r n 2 ; } / * 輸出處理結果 * / f o r ( x = 0 ; x n m a t c h p m [ x ] . r m _ s o ! = - 1 ; + + x ) { i f ( ! x ) p r i n t f ( " % 0 4 d : % s \ n " , l n o , l b u f ) ; p r i n t f ( " $ % d = ' % s ' \ n " , x , s u b s t r ( l b u f , p m [ x ] . r m _ s o , p m [ x ] . r m _ e o ) ) ; } } / * 釋放正則表達式 * / r e g f r e e ( r e g ) ; r e t u r n 0 ; } 上述程序負責從命令行獲取正則表達式，然后將其運用于從標準輸入得到的每行數據，并打印出匹配結果。執(zhí)行下面的命令可以編譯并執(zhí)行該程序： # g c c r e g e x p . c - o r e g e x p # . / r e g e x p ' r e g e x [ a - z ] * ' r e g e x p . c 0 0 0 3 : # i n c l u d e r e g e x . h ; $ 0 = ' r e g e x ' 0 0 2 7 : r e g e x _ t r e g ; $ 0 = ' r e g e x ' 0 0 5 4 : z = r e g e x e c ( r e g , l b u f , n m a t c h , p m , 0 ) ; $ 0 = ' r e g e x e c ' 小結對那些需要進行復雜數據處理的程序來說，正則表達式無疑是一個非常有用的工具。本文重點在于闡述如何在 C 語言中利用正則表達式來簡化字符串處理，以便在數據處理方面能夠獲得與 P e r l 語言類似的靈活性。

如何用正則表達式匹配到C語言中的函數實現部分的函數頭部分。

一些補充:腳本是ruby，領會精神就行了……

/regexp/m 多行模式正則表達式

/regexp/ 單行模式正則表達式

=~ 若匹配返回第一個匹配的位置，不匹配則返回nil

$1,$2 反向引用(分別對應第1，2個括號)

string[start...end] 截取字符串從start到end-1的那段dup 復制sub,gsub,sub!,gsub! 字符串替換，感嘆號表示替換自身，沒感嘆號則返回新串正則表達式語法全世界都大同小異，就不解釋了……

用C語言完成一個正則表達式的匹配： 字符串中只有*和？是可變字符且位置和個數不固定，其他的字符位置固定

#includestdio.h

#includestring.h

#include stdlib.h

//1、'?'很好處理，只要在原有的定位函數中加一點點就行：

int index(char *s,char *t,int pos)

{

int i=pos,j=0,lens=strlen(s),lent=strlen(t);

while(ilensjlent)

{

if(s[i]==t[j]||t[j]=='?')

{

++i;

++j;

}

else

{

i=i-j+1;

j=0;

}

}

if(j==lent)return i-lent;

else return -1;

}

/*2、'*'的處理有些麻煩，很自然的想法是'*'把整個T串分成若干不含'*'的子串，

拿這些子串依次匹配S串。

按這樣的方法可以把S串分成兩類：

A、T=T1*T2*...Tn*，其中Ti為不含'*'的子串，且不為空（T1可為空）。

B、T=T1*T2*...Tn

二者的差別只在于尾部是否有'*'。

拿T匹配S，

首先 T1匹配S頭部，index(s,t1,0)==0

然后 用循環(huán)完成后面的匹配，從前一次匹配后的末尾位置開始向后匹配，

如果匹配成功再把末尾位置記錄下來。這里只用了最左匹配，為什么就足夠了呢？

比如實際中的情況T1串可能在S串不止出現一次，為什么只考慮最左一個呢？

因為整個匹配過程是從左向右，最左匹配可以保證余下的S子中最長，更有利于后面T子串的匹配成功，

試想如果T1最左匹配不成功，靠右一些有可能成功嗎？

例：T="*is*a*" S="this is a program"

T 子串"is"在S中有出現兩個位置，匹配的時候只需要考慮最左邊那個"is"就行了，

因為最左邊的"is"匹配成功后，余下的S子串是" is a program"，余下的T子串是"*a"，

最左匹配可使余下的S子串最長，匹配的可能最大，最容易匹配的情況已經驗證了，

就不用再做無用功了。

*/

int match(char *s,char *t)

{

int i=0,j=0,lens=strlen(s),lent=strlen(t);

char buf[128];

int bufp=0;

while(jlentt[j]!='*')

{

buf[bufp]=t[j];

++bufp;++j;

}

buf[bufp]='\0';

if(index(s,buf,0)!=0)return 0;

i=bufp;

while(1)

{

while(jlentt[j]=='*')++j;

if(j==lent)return 1;

bufp=0;

while(jlentt[j]!='*')

{

buf[bufp]=t[j];

++bufp;++j;

}

buf[bufp]='\0';

if(j==lent)

{

if(index(s,buf,i)!=lens-bufp)return 0;

return 1;

}

if((i=index(s,buf,i))==-1)return 0;

i+=bufp;

}

}

void main()

{

char s[128];

char t[128]="mad*se$?243*.xml";

memset(s,'\0',128);//初始化s

printf("輸入字符串,進行匹配\n");

gets(s);

if(match(s,t))

printf("匹配\n");

else

printf("不匹配\n");

}