linux C语言处理正则表达式
Linux下C语言处理正则表达式——regex.h
具体函数介绍
编译正则表达式函数
int regcomp(regex_t *preg, const char *regex, int cflags);
其中preg用于保存编译后的正则表达式,regex是我们写的正则表达式。cflags标志位后面再说。
先说说regex_t结构体:
对于这个结构体而言,我们只要记住,它是编译后的正则表达式,后面的匹配是用编译后的正则表达式,这样效率更高,而不是使用我们自己写的原始的正则表达式。此外,还要知道regex_t有一个成员re_nsub,它表示“子正则表达式的个数”。所谓“子正则表达式”就是圆括号里面的正则表达式。可能还是有点懵。没关系,慢慢来!我们使用正则表达式的一个主要目的是提取满足条件的部分。比如有个字符串username=阿星&sex=女,现在我们想提取用户名,也是就“阿星”,那么我们的正则表达式应该写成: username=([^&]*)&,也就是将匹配“阿星”的正则表达式放到圆括号中,作为整个表达式的一个子表达式。后面我们执行regexec函数后,就可以得到“阿星”(后面再讲)。
再来说说cflags:
cflags 的取值有:REG_EXTENDED、REG_ICASE、REG_NOSUB和REG_NEWLINE。这四个值可以单独使用,也可以用按位与联合使用。
其中:
REG_EXTENDED:
意思是,解释正则表达式时使用扩展的正则表达式语法。POSIX规范将正则表达式的实现方法分为了两种:基本正则表达式(BRE)和扩展正则表 达式(ERE)。
BRE和ERE到底有什么区别?其实仅仅是元字符的不同!在BRE方式中,只承认^ 、$、 . 、[ 、] 、*这些是元字符,所有其他的字符都被识别为文字字符。而ERE中,则添加了(、 ) 、{ 、} 、?、 + |、等元字符(及其相关功能)。grep命令默认支持BRE,要想支持ERE需要使用-E选项。
REG_ICASE:
如果编译正则表达式时使用了这个标志,那么在用regexec()函数进行匹配时,就忽略大小写。
REG_NOSUB:
如果使用了这个选项得到的编译后的正则表达式,在被后面的regexec()函数使用时,regexec()的nmatch参数和pmatch参数将会被忽略(后面再讲)
REG_NEWLINE:
一开始我对这个标志位的理解非常模糊,网上很多人解释的也不清楚。经过我的反复试验,终于明白了。
其实REG_NEWLINE的作用就两个:
1、 使^和$有效。
2、 绝对不匹配换行符。
相信大家也都看过Linux中的man page。对于REG_NEWLINE这个标志位的解释,在man page中用了四句话。
我们先来看后两句:
Match-beginning-of-line operator (^) matches the empty string immediately after a newline, regardless of whether eflags, the execution flags of regexec(), contains REG_NOTBOL.
Match-end-of-line operator ($) matches the empty string immediately before a newline, regardless of whether eflags contains REG_NOTEOL.
这两句的意思其实就是,是^匹配一行的开始位置,$匹配一行的结束位置(如果没有使用REG_NEWLINE,这两个字符将被当做普通字符)。并且使REG_NOTBOL和REG_NOTEOL无效。
举两个例子:
有字符串:
username=xinger&sex=girl&age=22\r\nschool=BIT&husband=qinger\r\n&like=study&look=pretty\r\n
如果我们没有使用REG_NEWLINE标志,那么正则表达式^school=([^&]*)将不能匹配,因为这里^被解释成了普通字符,而不是一行的开始。
如果我们加上REG_NEWLINE标志,那么将匹配成school=BIT,此时^不再是普通字符,而是匹配一行的开始。
再比如正则表达式age=([^$]*),如果没有使用REG_NEWLINE,将匹配成:
age=22\r\nschool=BIT&husband=qinger\r\n&like=study&look=pretty\r\n
还是因为$被解释成了普通字符,
比如我们在原字符串中添加一个$,变成
username=xinger&sex=girl&age=22\r\nschool=$BIT&husband=$qinger\r\n&like=study&look=pretty\r\n
那么匹配结果变成了age=22\r\nschool=,原因依然是:把$当成了普通字符。
在来看前两句:
Match-any-character operators don't match a newline.
A nonmatching list ([^...]) not containing a newline does not match a newline.
这两句的意思说白了,就是保证不匹配换行符。比如第一句,意思是匹配任意字符的元字符也不匹配新的一行(好乱呀)。什么意思呢?就是比如说点(.)本来匹配所有的字符(注意,在POSIX中点匹配所有字符!!!和我们平时学的不一样。)但是如果使用了REG_NEWLINE标志,则不匹配换行符\r\n。
还是举个例子吧:
有字符串:
username=xinger&sex=girl&age=22\r\nschool=BIT&husband=$qinger\r\n&like=study&look=pretty\r\n
有正则表达式:sex=([^@]*),如果没有REG_NEWLINE标志,匹配结果是:
sex=girl&age=22\r\nschool=BIT&husband=$qinger\r\n&like=study&look=pretty\r\n
因为[^@]匹配所有不是@的字符。但是如果我们加上了REG_NEWLINE,那么匹配结果为:sex=girl&age=22,原因是REG_NEWLINE保证了绝不匹配换行符!!!其实就相当于[^@\r\n]不加REG_NEWLINE。
在比如,有正则表达式sex=(.*),我们前面提到过:点在POSIX中匹配任意字符(’\0’除外),所以点也匹配换行符,所以匹配结果为:
sex=girl&age=22\r\nschool=BIT&husband=$qinger\r\n&like=study&look=pretty\r\n
但是,如果我们使用了REG_NEWLINE,则保证不会匹配换行符,匹配结果就变成了:sex=girl&age=22。
最后说说返回值:
成功返回0,失败可以用regerror获取失败码。
用编译后的正则表达式进行匹配
int regexec(const regex_t *preg, const char *string, size_t nmatch, regmatch_t pmatch[], int eflags);
regexec函数用上一步中编译好的正则表达式preg对string内容进行匹配,并将匹配结果以记录字节偏移量的形式保存在pmatch数组中。
首先看看regmatch_t结构体:
regmatch_t 是一个结构体数据类型,在regex.h中定义:
typedef struct { regoff_t rm_so; regoff_t rm_eo; } regmatch_t;
regexec函数将用匹配的子字符串的起止地址填充pmatch结构体,pmatch[0]对应的是整个正则表达式的匹配结果的起止地址;pmatch[i]则对应存储了第i个子匹配字符串的起止地址。(rm_so表示起始位置距离首地址的偏移量,rm_eo表示结束位置距离首地址的偏移量+1,如果rm_so为-1则表示该子表达式没有匹配)。nmatch表示pmatch结构体数组的元素的个数,它至少应该是子表达式的个数加1(因为0下标存储的是整个表达式的匹配结果)。
再来说说eflags:
首先一点,如果regcomp中使用了REG_NEWLINE变量,这个标志位是无效的!
这个标志位有两个取值:REG_NOTBOL和REG_NOTEOL,作用就是:如果设置了相应的标志位,那么含有^或$,而且含义是一行开始,或结束(比如^也可以解释成非),那么该正则表达式将永远不会匹配!!!。
最后说说返回值:
成功返回0,REG_NOMATCH表示失败。
将错误码转换成错误信息
size_t regerror(int errcode, const regex_t *preg, char *errbuf, size_t errbuf_size);
该函数用于将regcomp或regexec返回的错误码转换成错误字符串信息。
参数errcode表示那两个函数返回的错误码,preg是regcomp编译后的正则表达式,errbuf用于存储错误信息字符串,errbuf_size是errbuf的大小。
释放regex_t结构体
void regfree(regex_t *preg);
regcomp函数会填写regex_t结构体的元素,这之中需要为某些元素开辟存储空间,而regfree函数就是释放这些空间的。
千万记得最后要调用regfree释放空间,否则会造成内存泄漏。
最后附上一个小例子:
#include <sys/types.h>
#include <regex.h>
#include <stdio.h>
#include <string.h>
#include <stdlib.h> char *pick_regex(const char *string,const char *pattern)
{
int err;
char errbuf[];
regex_t compiled;
if((err = regcomp(&compiled,pattern,REG_EXTENDED|REG_ICASE|REG_NEWLINE)) != )
{
regerror(err,&compiled,errbuf,sizeof(errbuf));
printf("err:%s\n",errbuf);
return NULL;
} regmatch_t pmatch[];
err = regexec(&compiled,string,,pmatch,REG_NOTBOL);
if(err != )
{
printf("未匹配成功!\n");
return NULL;
}
if(compiled.re_nsub != )
return NULL;
if(pmatch[].rm_so == -)
return NULL; int len = pmatch[].rm_eo - pmatch[].rm_so;
char *value = (char *)malloc(len + );
if(value == NULL)
return NULL;
memset(value,,len + );
memcpy(value,string + pmatch[].rm_so,len);
//free(value);
regfree(&compiled);//切记最后要释放掉,否则会造成内存泄露 return value;
} int main()
{
const char *string = "username=xinger&sex=girl&age=22\r\nschool=BIT&husband=qinger\r\n&like=study&look=pretty\r\n";
const char *pattern = "school=([^&]*)";
char *value = pick_regex(string,pattern);
printf("提取的值为:%s\n",value); return ;
}
如果你觉得对你有用,就点个赞吧~~~
linux C语言处理正则表达式的更多相关文章
- C语言使用正则表达式
http://blog.chinaunix.net/uid-479984-id-2114941.html C语言使用正则表达式 据说一个好的程序员是会使用DB和Regular Expression的程 ...
- C语言调用正则表达式
标准的C和C++都不支持正则表达式,但有一些函数库可以辅助C/C++程序员完成这一功能,其中最著名的当数Philip Hazel的Perl-Compatible Regular Expression库 ...
- 转载~kxcfzyk:Linux C语言多线程库Pthread中条件变量的的正确用法逐步详解
Linux C语言多线程库Pthread中条件变量的的正确用法逐步详解 多线程c语言linuxsemaphore条件变量 (本文的读者定位是了解Pthread常用多线程API和Pthread互斥锁 ...
- Linux C语言操作MySQL
原文:Linux C语言操作MySQL 1.MySQL数据库简介 MySQL是一个开源码的小型关系数据库管理系统,体积小,速度快,总体成本低,开源.MySQL有以下特性: (1) 使用C和C++编写, ...
- linux c语言定时器
原文来自于:http://hi.baidu.com/opetrhsxszbckzd/item/126966cae5f9524aa9ba94f5 我只是把其重新排版标注一下. linux c语言定时器 ...
- Linux改变语言设置的命令
--Linux语言设置--------------2013/09/22Linux中语言的设置和本地化设置真是一个很繁琐的事情,时不时的会出现乱码的情况,在这篇文章中讨论的是shell中出现乱码的一些解 ...
- linux c语言 select函数用法
linux c语言 select函数用法 表头文件 #i nclude<sys/time.h> #i nclude<sys/types.h> #i nclude<unis ...
- Linux C语言小程序
Linux C语言小程序 #include <stdio.h> #include <stdlib.h> #include <unistd.h> #include & ...
- Linux C 语言之 Hello World 详解
目录 Linux C 语言之 Hello World 详解 第一个 C 语言程序 程序运行原理 编译,链接 运行时 链接库 编译器优化 Hello World 打印原理 stdout, stdin 和 ...
随机推荐
- 分享几个 git 的使用场景
你真的会使用 git 吗?你能回答下面几个问题吗? 有三个commit(顺序:CommitA.CommitB.CommitC),它们相互独立,没有依赖. 在不修改B.C的前提下,修改A,怎么操作? 合 ...
- android权限(permission)大全
权限添加位置: 权限代码: 1.android.permission.WRITE_USER_DICTIONARY允许应用程序向用户词典中写入新词 2.android.permission.WRITE_ ...
- Maven pom.xml配置详解
POM的全称是“ProjectObjectModel(项目对象模型)”. 声明规范 <projectxmlns="http://maven.apache.org/POM/4.0.0&q ...
- java udp服务器设计源码
根据个人理解写的,轻喷. 没什么大的逻辑,直接上代码. UDPServer.java package mySocket;/* * 服务器端 */import java.awt.GridLayout;i ...
- 2238"回文字串"报告
题目描述: 回文串,就是从前往后和从后往前看都是一样的字符串.那么现在给你一个字符串,请你找出该字符串中,长度最大的一个回文子串. 输入描述: 有且仅有一个仅包含小写字母的字符串,保证其长度不超过50 ...
- IT行业歧视40岁以上人群为找工作还要谎报年龄[转]
IT行业歧视40岁以上人群为找工作还要谎报年龄(这样不好) http://www.aliyun.com/zixun/content/2_6_616161.html [赛迪网讯]4月5日消息,许多40多 ...
- HashMap的存储原理
HashMap是java中相当重要的数据结构,使用HashMap的场景非常之多,因此,了解HashMap实现的过程和原理,是非常有必要的,在一些面试中也会经常被问到.好了,我们赶紧来研究java内部是 ...
- VS2010中的sln,suo分别是什么文件
相当于VC6里的.dsw和.dsp .Net解决方案下 .sln文件和.suo文件的解释: When a Web site is created, a solution file (.sln) and ...
- C# 调用.exe文件
process da = new process(); da.startinfo.filename = @""D:\BM0002\BM0002.exe"; //要调用的 ...
- simpleImageTool又纯java图片水印、缩放工具
simpleImageTool又一个简单.好用的图片格式转换.缩放水印叠加等功能的纯Java图片工具库. simpleImageTool的由来,近期需要用到图片处理,通过网上的图片流直接进行缩放水印叠 ...