在c中使用正则表达式
今天学习编译原理的时候,用c写一个简易的文法识别器实验遇到了一个问题:要用正则表达式去识别正则文法里面的A->ω,A->Bω, 其中ω属于T的正闭包,也就是说我们对正则文法的产生式进行抽象的时候,可以让右边的产生式匹配正则表达式[V]?[T]+,其中V是指非终结符集合,T是指终结符集合。这时候问题就来了,貌似还真的没有用过C的正则表达式,上网百度了一下,似乎得到了答案:标准的C/C++是不支持正则表达式的,但是我们可以利用一些现成的库。我们这里用到的就是regex库。用到的几个函数:regcomp、regexec、regfree、regerror。
首先我们引入头文件:
#include<sys/types.h>(不一定需要,根据系统不同,可以使用man命令来查看regcomp等函数,看看需不需要加)
#include<regex>
使用正则表达式,也就是使用regcomp这几个函数,分别分为下面几个步骤:
1. 编译正则表达式。regcomp其实是把传统的正则表达式,进行编译,存在一个regex_t的结构体中,这样编译完以后,能够提高匹配的效率。这里来看下函数原型和解释一下各个参数以及如何使用:
函数原型 int regcomp(regex_t *compiled, const char *pattern, int cflags)
regex_t:是一个结构体数据类型,用来存放编译后的正则表达式,它的成员re_nsub用来存储规则表达式中的子规则表达式的个数(子规则表达式就是用圆括号包起来的部分表达式)。
pattern:是指向我们写好的正则表达式的指针。
cflags:指定编译模式。这个参数有如下4个常用值可供选择,可以是或运算(|)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。(扩展正则表达式也就是可以使用+、?、{}等等限定符号)
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。
以上就是四个常用的参数,具体更多的参数和更详细的说明,可以使用man命令来查看,各个版本不同可能会有点小的差异,在macOS上还有REG_BASIC等许多参数。
这个函数执行成功以后,会把编译结果存放在指定的regex_t结构体中,然后返回0。返回任何其他的结果,都代表有某种错误。
2.编译完以后,我们得到了编译的结果regex_t,这个很关键,接下来执行匹配的时候,就要用到这个regex_t。执行匹配的函数是regexec,我们看看这个函数的原型和各个参数:
int regexec (regex_t *compiled, char *string, size_t nmatch, regmatch_t matchptr[], int eflags)
如果在编译规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。
compiled:是已经用regcomp函数编译好的正则表达式。
string:是待匹配的目标文本串。
nmatch:是regmatch_t结构体数组的长度。
matchptr: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(可能有的系统不止,实际根据man查看的结果为主):
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, 原文如下: If this bit is set, then the beginning-of-line operator doesn't match the beginning of the string (presumably because it's not the beginning of a line).If not set, then the beginning-of-line operator does match the beginning of the string. REG_NOTEOL 和上边那个作用差不多,不过这个指定结束end of line。
参数compiled指向编译后的正则表达式,参数string是将要进行匹配的字符串,而参数nmatch和matchptr则用于把匹配结果返回给调用程序,最后一个参数eflags决定了匹配的细节。
在调用regexec()进行模式匹配的过程中,可能在字符串string中会有多处与给定的正则表达式相匹配,参数matchptr就是用来保存这些匹配位置的,而参数nmatch则告诉regexec()最多可以把多少个匹配结果填充到matchptr数组中。当regexec()成功返回时,从string+pmatch[0].rm_so到string+pmatch[0].rm_eo是第一个匹配的字符串,而从string+ pmatch[1].rm_so到string+pmatch[1].rm_eo,则是第二个匹配的字符串,依此类推。regmatch_t结构体如下:
typedef struct
{
regoff_t rm_so; //记录开始位置
regoff_t rm_eo; //记录结束位置
}regmatch_t;
3. 匹配完了以后,自然而然就要释放资源啦。无论是什么时候,当不再需要编译好的正则表达式的时候,都应该释放资源,以免内存泄漏。我们就来接着看看释放资源的函数和他的各项参数:
void regfree (regex_t *compiled)
这个函数相对较简单,compiled就是我们之前一直用的那个编译好的正则表达式。当我们使用完编译好的规则表达式后,或者要重新编译其他正则表达式的时候,我们也可以用这个函数清空compiled指向的regex_t结构体的内容,请记住,如果是重新编译的话,一定要先清空regex_t结构体。
4.另外还有一个函数,那就是报错函数啦,这个函数用于我们在各个阶段操作(编译regcomp、匹配regexec)的时候发生错误的错误记录,我们可以通过调用这个函数来报告错误的信息。
size_t regerror (int errcode, regex_t *compiled, char *buffer, size_t length)
errcode 是由regcomp 和 regexec 函数返回的错误代号。
compiled 是已经用regcomp函数编译好的规则表达式,这个值可以为NULL。
buffer 指向用来存放错误信息的字符串的内存空间。
length 指明buffer的长度,如果这个错误信息的长度大于这个值,则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。 size_t length = regerror (errcode, compiled, NULL, 0);
接下来我们看看一个简单的demo:
1 #include <stdio.h>
2 #include <stdlib.h>
3 #include <regex.h>
4 #include <string.h>
5
6 void printEachMatch(char* result, char* str, int start, int end){
7 int length = end - start;
8 strncpy(result, str + start, length);
9 result[length] = '\0';
10 }
11
12 int main(int argc, char* argv[]){
13
14 regex_t reg;
15 char pattern[] = "[abc]?";
16 char* str = "ac";
17 char ebuf[128];
18
19 //编译正则表达式
20 int val = regcomp(®, pattern, REG_EXTENDED);
21 if(val != 0){
22 regerror(val, ®, ebuf, sizeof(ebuf));
23 perror(ebuf);
24 exit(1);
25 }
26
27 regmatch_t matchptr[10];
28 const size_t nmatch = 5;
29
30 for (int i = 0; i < 10; ++i)
31 {
32 matchptr[i].rm_so = -1;
33 matchptr[i].rm_eo = -1;
34 }
35
36 //匹配
37 val = regexec(®, str, nmatch, matchptr, REG_NOTBOL);
38 if(val != 0){
39 regerror(val, ®, ebuf, sizeof(ebuf));
40 perror(ebuf);
41 exit(2);
42 }
43
44 if(val == REG_NOMATCH){
45 printf("unmatch!\n");
46 } else {
47 printf("match : ");
48 for (int x = 0; x < nmatch && matchptr[x].rm_so != -1; ++ x)
49 {
50 char result[10];
51 printf("rm_so = %lld, rm_eo = %lld\n", matchptr[x].rm_so, matchptr[x].rm_eo);
52 printEachMatch(result, str, matchptr[x].rm_so, matchptr[x].rm_eo);
53 printf("%s\n", result);
54 }
55 }
56
57 //释放正则表达式
58 regfree(®);
59
60
61 return 0;
62 }
这里要用到+,所以应该以功能更强大的扩展的正则表达式规则来进行匹配,故regcomp编译的时候最后一个参数传入的是REG_EXTENDED。27-34行主要是先把regmatch_t中的属性的随机值都替换成-1,然后后面方便观察到底匹配开始和结束的位置是多少而已。最后我们输出每一个匹配,来观察结果是否和我们想象中相同,也就是验证是不是和我们平时使用的正则表达式相同而已。
参考资料和文章:
http://blog.csdn.net/suwei19870312/article/details/5383123
http://m.blog.chinaunix.net/uid-1724205-id-2813055.html
在c中使用正则表达式的更多相关文章
- PHP中有关正则表达式的函数集锦
之前学正则表达式的目的是想从网上抓取点小说啊,文档啊,还有获取相应的视频连接然后批量下载.当时初学PHP根本不知道PHP有专门抓包的工具,就像Simple_html_dom.php(在我的其他博文中有 ...
- JavaScript中的正则表达式(终结篇)
JavaScript中的正则表达式(终结篇) 在之前的几篇文章中,我们了解了正则表达式的基本语法,但那些语法不是针对于某一个特定语言的.这篇博文我们将通过下面几个部分来了解正则表达式在JavaScri ...
- Coursera-Getting and Cleaning Data-week4-R语言中的正则表达式以及文本处理
博客总目录:http://www.cnblogs.com/weibaar/p/4507801.html Thursday, January 29, 2015 补上第四周笔记,以及本次课程总结. 第四周 ...
- 9.JAVA中的正则表达式
一.JAVA中的正则表达式 1.概念:以某种特定的方式描述字符串 1.Java中正则表达式的规则 ? #{0,1}-?有一个-或者没有 \\ #表示一个" ...
- Python::re 模块 -- 在Python中使用正则表达式
前言 这篇文章,并不是对正则表达式的介绍,而是对Python中如何结合re模块使用正则表达式的介绍.文章的侧重点是如何使用re模块在Python语言中使用正则表达式,对于Python表达式的语法和详细 ...
- 工作随笔——UIButton的EdgeInsets + Swift中的正则表达式;
1.UIButton的EdgeInsets UIButton的EdgeInsets方法,是用来设置title和image对于上左下右四个方向的偏移,但是很奇怪的是,刚开始只有Image,titile也 ...
- Javascript中的正则表达式
Javascript中的正则表达式 刚开始接触正则表达式的时候,觉得这是个很死板的东西(没办法,计算机不能像人眼一样能很快的辨认出我们需要的结果,它需要一定的规则来对它进行限制),了解的越多,发现这个 ...
- 在Visual Studio中使用正则表达式匹配换行和批量替换
系统环境:Windows 8.1 Enterprise Update 2 x64 开发环境:Mircosoft Visual Studio Ultimate 2013 Update 2 RC 问题:如 ...
- 浅谈JavaScript中的正则表达式
引言 对于正则表达式我想作为程序员肯定使用过它,那天书般的表达方式,我用一次就记住它了.这篇博客先介绍一些正则表达式的内容,然后介绍JavaScript中对正则表达式特有的改进.下面开始介绍正则表达式 ...
- 任督二脉之Shell中的正则表达式
VBird说学习Linux,掌握了Shell和正则就相当于打通了任督二脉,此后能力的成长才会突飞猛进. Shell的基础学习之前已经总结了一篇博客:http://www.cnblogs.com/jyz ...
随机推荐
- File Inclusion(文件包含)
File Inclusion,意思是文件包含(漏洞),是指当服务器开启allow_url_include选项时,就可以通过php的某些特性函数(include(),require()和include_ ...
- Thinkphp5 主动式 计划任务 支持windows和linux
百度搜索过相关的php计划任务的资料,特别是搜索thinkphp的计划任务,目前能明确实现的都是被动式的,就是通过tp3.2自带的计划任务类实现,通过挂钩子的形式,用户访问网站的时候就执行计划任务,这 ...
- Nginx系列(9)- Nginx常用命令
Linux # 命令需要在Nginx的sbin目录下执行 cd /usr/local/nginx/sbin/ ./nginx #启动./nginx -s stop #停止 ./nginx -s qui ...
- element-ui的Tree树组件使用技巧
目录 1,前言 2,需求 3,解决思路 4,完整代码 5,总结 1,前言 最近这段时间在做一个新的模块,其中有一个三层的树结构,产品经理提出了一个很古怪的需求,整的我只能自己控制树的交互,写完之后,感 ...
- Hadoop的高可用搭建
在已经安装完hadoop单机和zookeeper前提下 1.免密钥 ssh-keygen -t rsa 分发秘钥 ssh-copy-id -i master ssh-copy-id -i node1 ...
- 基于Docker构建企业Jenkins CI平台
- 使用jemeter构造各种变量数据
使用手动创建测试数据太麻烦,因此考虑用jmeter写了一些创建测试数据的脚本,针对那些变量非固定的数据可以利用函数来实现 通过函数助手添加各种变量数据 Tools--->函数助手 1:生成当前时 ...
- 《手把手教你》系列技巧篇(二十七)-java+ selenium自动化测试- quit和close的区别(详解教程)
1.简介 尽管有的小伙伴或者童鞋们觉得很简单,不就是关闭退出浏览器,但是宏哥还是把两个方法的区别说一下,不然遇到坑后根本不会想到是这里的问题. 2.源码 本文介绍webdriver中关于浏览器退出操作 ...
- 关于selenium添加使用代理ip
最近在爬某个网站,发现这个网站的反爬太厉害了,正常时候的访问有时候都会给你弹出来验证,验证你是不是蜘蛛,而且requests发的请求携带了请求头信息,cookie信息,代理ip,也能识别是爬虫,他应该 ...
- 如何使用云效Flow做质量检测,保障高质量的交付速度
使用云效Flow做质量检测,保障高质量的交付速度,云效「Flow」 提供代码扫描. 安全扫描和各种自动化测试能力,支持人工测试卡点.自动化验证卡点等多种质量红线,确保业务质量.云效流水线 Flow 流 ...