深入浅出C/C++中的正则表达式库(一)——GNU Regex Library

时间：2020-12-28 02:18:54

正则表达式(Regular Expressions)，又被称为regex或regexp，是一种十分简便、灵活的文本处理工具。它可以用来精确地找出某文本中匹配某种指定规则的内容。在linux下，grep, sed, awk等工具都支持正则表达式，这些工具的存在，为我们日常的文本处理带来了极大的便利。但是，有时候，我们自己写的程序中也需要用到正则表达式来处理一些文本，这时候就需要一些正则表达式库的支持了。由于我本人是用C/C++做为主要开发语言的，所以，在本文以及接下来的几篇文章中，我将介绍几个常用的C/C++的正则表达式的库，通过我的介绍，以及对具体的使用进行举例，希望能够给读者朋友在C/C++程序中使用正则表达式时有点帮助，这将是我莫大的荣幸。

当前，据我所知，在C/C++中常用的正则表达式库有GNU Regex Library, Boost.Regex, PCRE, PCRE++。这四个库中，后面两个是有关系，其它都是各自己独立的，是不同的实现。因此我会分三次，来一一对这四个库进行介绍。今天首先介绍一下GNU Regex Library。

1. 什么是GNU正则表达式库(GNU Regex Library) ?
GNU正则表达式库是glibc(GNU C Library)的一部分，它提供与POSIX标准兼容的正则表达式匹配的接口。
这里是其主页：http://www.gnu.org/s/libc/manual/html_node/Regular-Expressions.html
下载该库点这里：gnuregex0_13 
2. GNU Regex Library所提供的接口
（1）regcomp:

1
2
3
4
5
6
 
int regcomp(regex_t *preg, const char *pattern, int cflags)
功能:将要进行匹配的正则表达式pattern进行编译，做匹配前的准备工作
参数: preg, 输出参数，用来保存编译后的正则表达式结果
      pattern, 输入参数，传入要进行编译的正则表达式的字符串
      cflags, 输入参数，用来指定正则表达式匹配过程中的一些选项
返回值:编译成功返回0，失败返回非0的错误码

（2）regexec:

1
2
3
4
5
6
7
8
9
 
int regexec(const regex_t *preg, const char *string, size_t nmatch, regmatch_t pmatch[], 
int eflags)
功能:用来检测字符串string是否匹配正则表达式preg
参数: preg, 输入参数，在(1)regcomp中编译好的正则表达式规则
string, 输入参数，用来被匹配的字符串
      nmatch, 输入参数，用来指定pmatch参数所对应的数组的长度
      pmatch, 输出参数，用来输出在string中匹配preg的具体位置
      eflag, 输入参数，用来指定正则表达式匹配过程中的一些选项
返回值: 如果string匹配preg所指定的规则，则返回0， 否则返回非0

（3）regerror:

1
2
3
4
5
6
7
 
size_t regerror(int errcode, const regex_t *preg, char *errbuf, size_t errbuf_size)
功能:用来把在regcompt和regexec中产生的错误码转化成字符串形式的错误信息
参数: errcode, 输入参数，在regcomp或regexec调用中返回的错误码
      preg, 输入参数，与错误码所对应的编译过的正则表达式结构
      errbuf, 输出参数，用来返回错误信息的buffer，如果buffer不够所需大小，错误信息将被截断
      errbuf_size, 输入参数，返回错误信息的buffer的大小 
返回值: 如果errbuf_size为0，那么regerror返回错误信息所需要的buffer的大小

（4）regfree:

1
2
3
4
 
void regfree (regex_t *preg)
功能: 用来释放由regcomp编译时生成的preg结构所占用的内存
参数: preg, 输入参数，由regcomp编译时生成的正则表达的结构指针
返回值: 无

3. 使用GNU Regex Library的一些注意事项
（1）regcomp与regfree必须配对使用，要不然会造成内存泄漏（类比malloc/free, new/delete)
（2）regex_t结构：把字符串形式的正则表达式编译成regex_t这样的一个结构，方便后续的匹配工作
（3）regmatch_t结构：用来表示正则表达式中字符串中匹配的位置的结构，用起始位置的偏移量来表示的
（4）flags：用来配置匹配过程中的一些选项, 指定如何匹配，具体参见：http://www.opengroup.org/onlinepubs/007908799/xsh/regcomp.html
（5）使用该库需要包含的头文件：sys/types.h和regex .h


4. GNU Regex Library使用举例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
 
#include <sys /types.h>
#include <regex .h>
#include <stdio .h>
 
int main(int argc, char ** argv)
{
if (argc != 3)
{
printf("Usage: %s RegexString Text\n", argv[0]);
return 1;
}
 
const char * pRegexStr = argv[1];
const char * pText = argv[2];
 
regex_t oRegex;
int nErrCode = 0;
char szErrMsg[1024] = {0};
size_t unErrMsgLen = 0;
 
if ((nErrCode = regcomp(&oRegex, pRegexStr, 0)) == 0)
{
if ((nErrCode = regexec(&oRegex, pText, 0, NULL, 0)) == 0)
{
printf("%s matches %s\n", pText, pRegexStr);
            regfree(&oRegex);
return 0;
}
}
 
    unErrMsgLen = regerror(nErrCode, &oRegex, szErrMsg, sizeof(szErrMsg));
    unErrMsgLen = unErrMsgLen < sizeof(szErrMsg) ? unErrMsgLen : sizeof(szErrMsg) - 1;
    szErrMsg[unErrMsgLen] = '\0';
printf("ErrMsg: %s\n", szErrMsg);
 
    regfree(&oRegex);
return 1;
}

程序测试：

1
2
3
4
5
 
wuzesheng@wuzesheng-ubuntu:~/Program$ gcc TestRegex.c -o Regex
wuzesheng@wuzesheng-ubuntu:~/Program$ ./Regex "http:\/\/www\..*\.com" "https://www.taobao.com"
ErrMsg: No match
wuzesheng@wuzesheng-ubuntu:~/Program$ ./Regex "http:\/\/www\..*\.com" "http://www.taobao.com"
http://www.taobao.com matches http:\/\/www\..*\.com

以上即是关于GNU Regex Library的全部内容。如果读书者朋友有什么看法可以在下面给我留言。接下来几天，我会陆续介绍前面提到的其它几个库，今天先到这里。

原文地址：http://www.wuzesheng.com/?p=929

附：《正则表达式30分钟入门教程》：http://manual.phpv.net/regular_expression.html

标签：

相关文章