Linux下C语言正则表达式使用详解 - Google Chrome (2013/5/2 16:40:37)

Linux下C语言正则表达式使用详解

2012年6月6日Neal627 views发表评论阅读评论

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，许多Linux发行版本都带有这个函数库。

C语言处理正则表达式常用的函数有regcomp()、regexec()、regfree()和regerror()，一般分为三个步骤，如下所示：

C语言中使用正则表达式一般分为三步：
1. 编译正则表达式 regcomp()
2. 匹配正则表达式 regexec()
3. 释放正则表达式 regfree()

下边是对三个函数的详细解释

1. int regcomp (regex_t *compiled, const char *pattern, int cflags)
这个函数把指定的正则表达式pattern编译成一种特定的数据格式compiled，这样可以使匹配更有效。函数regexec 会使用这个数据在目标文本串中进行模式匹配。执行成功返回０。

参数说明：
①regex_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 用来存储正则表达式中的子正则表达式的个数，子正则表达式就是用圆括号包起来的部分表达式。
②pattern 是指向我们写好的正则表达式的指针。
③cflags 有如下4个值或者是它们或运算(|)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。
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。

2. int regexec (regex_t *compiled, char *string, size_t nmatch, regmatch_t matchptr [], int eflags)
当我们编译好正则表达式后，就可以用regexec 匹配我们的目标文本串了，如果在编译正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。
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;
成员rm_so 存放匹配文本串在目标串中的开始位置，rm_eo 存放结束位置。该函数虽然以regmatch_t数组的形式定义了参数，但是实际上regexec()函数只能匹配到一个，让人误解啊，特别注明一下。

参数说明：
①compiled 是已经用regcomp函数编译好的正则表达式。
②string 是目标文本串。
③nmatch 是regmatch_t结构体数组的长度。
④matchptr regmatch_t类型的结构体数组，存放匹配文本串的位置信息。
⑤eflags 有两个值
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；
REG_NOTEOL 和上边那个作用差不多，不过这个指定结束end of line。

3. void regfree (regex_t *compiled)
当我们使用完编译好的正则表达式后，或者要重新编译其他正则表达式的时候，我们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. size_t regerror (int errcode, regex_t *compiled, char *buffer, size_t length)
当执行regcomp 或者regexec 产生错误的时候，就可以调用这个函数而返回一个包含错误信息的字符串。

参数说明：
①errcode 是由regcomp 和 regexec 函数返回的错误代号。
②compiled 是已经用regcomp函数编译好的正则表达式，这个值可以为NULL。
③buffer 指向用来存放错误信息的字符串的内存空间。
④length 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);

下边是一个连续查找文本中匹配字符串的例子：

#include <stdio.h>

#include <string.h>

#include <regex.h>

 

// 提取子串

char* getsubstr(char *s, regmatch_t *pmatch)

{

	static char buf[100] = {0};

	memset(buf, 0, sizeof(buf));

	memcpy(buf, s+pmatch->rm_so, pmatch->rm_eo - pmatch->rm_so);

 

	return buf;

}

 

int main(void)

{

	regmatch_t pmatch;

	regex_t reg;

	const char *pattern = "[a-z]+";		// 正则表达式

	char buf[] = "HELLOsaiYear2012@gmail.com";	// 待搜索的字符串

 

	regcomp(&reg, pattern, REG_EXTENDED);	//编译正则表达式

	int offset = 0;

 	while(offset < strlen(buf))

	{

		int status = regexec(&reg, buf + offset, 1, &pmatch, 0);

		/* 匹配正则表达式，注意regexec()函数一次只能匹配一个，不能连续匹配，网上很多示例并没有说明这一点 */

		if(status == REG_NOMATCH)

			printf("No Match\n");

		else if(pmatch.rm_so != -1)

		{

			printf("Match:\n");

			char *p = getsubstr(buf + offset, &pmatch);

 			printf("[%d, %d]: %s\n", offset + pmatch.rm_so + 1, offset + pmatch.rm_eo, p);

		}

		offset += pmatch.rm_eo;

	}

	regfree(&reg);		//释放正则表达式

 

	return 0;

}

正则表达式梳理（unix） - aten_xie的专栏 - 博客频道 - ****.NET - Google Chrome (2013/4/16 18:14:01)

正则表达式梳理（unix）

分类： SHELL2011-03-04 22:51 945人阅读评论(0) 收藏举报

正则表达式存储 unix

正则表达式（regular experience RE）是一种字符模式，用于在查找过程中匹配指定的字符。在大多数程序中，正则表达式都被置于两个正斜杠之间。例如：/test/ 就是由正斜杠界定的正则表达式，它将匹配被查找的行中任何位置出现的相同模式。

正则表达式元字符

元字符是这样一类字符，它们表达的是不同于字面本身的含义。正则表达式元字符是由各种执行模式匹配操作的程序来解析，例如：sed、grep、awk等。

常用正则表达式的元字符如下：

元字符	功能	实例	匹配结果	备注
^	行首定位符	/^test/	匹配所有以test开头的行	空格、TAB等也是作为字符进行匹配的。
$	行尾定位符	/test$/	匹配所有以test结尾的行
. (点)	匹配除“/n”之外的任何单个字符	/t..t/	匹配包含一个t，后跟两个字符，在跟一个t的行。	任意单个字符包含空格和TAB键。即：“t t” 也是满足匹配条件的。若要匹配包括“/n”在内的任意字符，请使用诸如“[/s/S]”之类的模式。
*	零次或多次匹配前面的字符或子表达式	/t*est/	匹配包含0个或者多个t后跟est的行。可以匹配：est、test、ttest
+	一次或多次匹配前面的字符或子表达式	/t+est/	匹配包含1个或者多个t后跟est的行。可以匹配：test、ttest。字符串“est”则无法进行匹配了。
?	零次或者一次匹配前面的字符串或者子表达式	/t?est/	匹配包含0个或者1个t后跟est的行。可以匹配：test、est。	ttest 也是符合匹配标准的，因为ttest字符串中包含整个test。当此字符紧随任何其他限定符（*、+、?、{n}、{n,}、{n,m}）之后时，匹配模式是“非贪心的”。“非贪心的”模式匹配搜索到的、尽可能短的字符串，而默认的“贪心的”模式匹配搜索到的、尽可能长的字符串。例如，在字符串“oooo”中，“o+?”只匹配单个“o”，而“o+”匹配所有“o”。
[]	匹配一组字符中的任一个	/[Tt]est/	匹配包含Test或者test行
[x-y]	匹配指定范围内的一个字符	/[A-Z]est/	匹配后面跟着est的一个A至Z之间的字符。	[0-9]：用来匹配任意数字 [A-Za-z]：用来匹配任意字母
[^]	匹配不在指定组内的字符	/[^A-Z]/	匹配不在范围A至Z之间的任一个字符
/	用来转义元字符	/test/*/	匹配包含test，后面跟一个*号的所有行。	////用来匹配“/”符号自身
/<	词首定位符	//	匹配包含以love开头的词的行。如：love、lover	vi和grep支持
/>	词尾定位符	/love/>/	匹配包含以love结尾的词的行。如：aalove	vi和grep支持
/(pattern/)	匹配模式pattern，并将之存储在寄存器中，供之后使用。	//(love/)able /1r/	最多可以使用9个标签，模式中最左边的标签是第一个。例如：模式love被保存为标签1，用/1表示。左边这个例子中，查找串是一个loveable 后跟 lover的长串。	sed、vi、grep支持。例如： sed “s//(love/)//1able/” 功能是将文件中的love替换成loveable。
x/{m/} 或 x/{m,/} 或 x/{m,n/}	字符x的重复出现； m次，至少m次，至少m次且不超过n次。	o/{5,10/}	匹配包含5-10个连续的字母o的行。	vi和grep支持

grep支持的正则表达式元字符

元字符	功能	实例	匹配结果	备注
^	行首定位符	grep “^test” datafile	打印所有以test开头的行
$	行尾定位符	grep “test$” datafile	打印所有以test结尾的行
. (点)	匹配除“/n”之外的任何单个字符	/t..t/	匹配包含一个t，后跟两个字符，在跟一个t的行。
*	零次或多次匹配前面的字符或子表达式	/t*est/	匹配包含0个或者多个t后跟est的行。可以匹配：est、test、ttest
[]	匹配一组字符中的任一个	/[Tt]est/	匹配包含Test或者test行
[^]	匹配不在指定组内的字符	/[^A-Z]/	匹配不在范围A至Z之间的任一个字符
/<	词首定位符	//	匹配包含以love开头的词的行。如：love、lover	vi和grep支持
/>	词尾定位符	/love/>/	匹配包含以love结尾的词的行。如：aalove	vi和grep支持
/(pattern/)	匹配模式pattern，并将之存储在寄存器中，供之后使用。	//(love/)able /1r/	最多可以使用9个标签，模式中最左边的标签是第一个。例如：模式love被保存为标签1，用/1表示。左边这个例子中，查找串是一个loveable 后跟 lover的长串。	sed、vi、grep支持。例如： sed “s//(love/)//1able/” 功能是将文件中的love替换成loveable。
x/{m/} 或 x/{m,/} 或 x/{m,n/}	字符x的重复出现； m次，至少m次，至少m次且不超过n次。	o/{5,10/}	匹配包含5-10个连续的字母o的行。

C语言正则表达式详解 regcomp() regexec() regfree()详解_正则表达式教程 - Google Chrome (2013/4/10 12:09:15)

$0='regex'
0027: regex_t reg;
$0='regex'
0054: z = regexec(?, lbuf, nmatch, pm, 0);
$0='regexec'

常用正则表达式-月光博客 - Google Chrome (2013/4/10 10:09:16)

正则表达式用于字符串处理、表单验证等场合，实用高效。现将一些常用的表达式收集于此，以备不时之需。

匹配中文字符的正则表达式：
[\u4e00-\u9fa5]
评注：匹配中文还真是个头疼的事，有了这个表达式就好办了

匹配双字节字符(包括汉字在内)：[^\x00-\xff]
评注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）

匹配空白行的正则表达式：\n\s*\r
评注：可以用来删除空白行

匹配HTML标记的正则表达式：<(\S*?)[^>]*>.*?</\1>|<.*?
/>
评注：网上流传的版本太糟糕，上面这个也仅仅能匹配部分，对于复杂的嵌套标记依旧无能为力

匹配首尾空白字符的正则表达式：^\s*|\s*$
评注：可以用来删除行首行尾的空白字符(包括空格、制表符、换页符等等)，非常有用的表达式

匹配Email地址的正则表达式：\w+([-+.]\w+)*@\w+([-.]\w+)*\.\w+([-.]\w+)*
评注：表单验证时很实用

匹配网址URL的正则表达式：[a-zA-z]+://[^\s]*
评注：网上流传的版本功能很有限，上面这个基本可以满足需求

匹配帐号是否合法(字母开头，允许5-16字节，允许字母数字下划线)：^[a-zA-Z][a-zA-Z0-9_]{4,15}$
评注：表单验证时很实用

匹配国内电话号码：\d{3}-\d{8}|\d{4}-\d{7}
评注：匹配形式如
0511-4405222 或 021-87888822

匹配腾讯QQ号：[1-9][0-9]{4,}
评注：腾讯QQ号从10000开始

匹配中国邮政编码：[1-9]\d{5}(?!\d)
评注：中国邮政编码为6位数字

匹配身份证：\d{15}|\d{18}
评注：中国的身份证为15位或18位

匹配ip地址：\d+\.\d+\.\d+\.\d+
评注：提取ip地址时有用

匹配特定数字：
^[1-9]\d*$　
　 //匹配正整数
^-[1-9]\d*$ 　 //匹配负整数
^-?[1-9]\d*$　　 //匹配整数
^[1-9]\d*|0$　
//匹配非负整数（正整数 + 0）
^-[1-9]\d*|0$　　 //匹配非正整数（负整数 +
0）
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*$　　
//匹配正浮点数
^-([1-9]\d*\.\d*|0\.\d*[1-9]\d*)$　
//匹配负浮点数
^-?([1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0)$　
//匹配浮点数
^[1-9]\d*\.\d*|0\.\d*[1-9]\d*|0?\.0+|0$　　 //匹配非负浮点数（正浮点数 +
0）
^(-([1-9]\d*\.\d*|0\.\d*[1-9]\d*))|0?\.0+|0$　　//匹配非正浮点数（负浮点数 +
0）
评注：处理大量数据时有用，具体应用时注意修正

匹配特定字符串：
^[A-Za-z]+$　　//匹配由26个英文字母组成的字符串
^[A-Z]+$　　//匹配由26个英文字母的大写组成的字符串
^[a-z]+$　　//匹配由26个英文字母的小写组成的字符串
^[A-Za-z0-9]+$　　//匹配由数字和26个英文字母组成的字符串
^\w+$　　//匹配由数字、26个英文字母或者下划线组成的字符串
评注：最基本也是最常用的一些表达式

原载地址：http://lifesinger.3322.org/myblog/?p=185

本文章要提供的这些表达式是url
卡号数字邮编 QQ号整数英文中文正则代码哦，下面我们来一一注明吧。

Url
: /^http://[A-Za-z0-9]+.[A-Za-z0-9]+[/=?%-&_~`@[]':+!]*([^<>""])*$/,
//地址正则

IdCard
: /^d{15}(d{2}[A-Za-z0-9])?$/, //卡号正则

Currency
: /^d+(.d+)?$/,

Number
: /^d+$/, //数字

Zip
: /^[1-9]d{5}$/, //邮编

QQ
: /^[1-9]d{4,8}$/, //QQ正则

Integer
: /^[-+]?d+$/,

Double
: /^[-+]?d+(.d+)?$/,

English
: /^[A-Za-z]+$/, //英语

Chinese
: /^[u0391-uFFE5]+$/, 汉字

Username
: /^[a-z]w{3,}$/i,

UnSafe
: /^(([A-Z]*|[a-z]*|d*|[-_~!@#$%^&*.()[]{}<>?\/'"]*)|.{0,5})$|s/,

来源： <http://www.111cn.net/wy/99/dcb482cacb763111c89d98d48edaeb23.htm>

linux C regex正则表达式函数库 - crocodile的记录空间 - 51CTO技术博客 - Google Chrome (2013/4/1 13:53:29)

linux C regex正则表达式函数库

2012-08-20 00:03:55

标签：linux 编程

C中的正则表达式如何实现呢，以regex系列函数来简要说明：

标准的linux c与c++不支持正则表达式；

以POSIX函数库中的Regex系列函数来说明在Linux c下如何使用正则表达式：

1、编译正则表达式：

Regcomp函数，生成regex_t数据结构；

int Regcomp(regex_t *preg, const char *regex, int cflags）；

参数说明：

preg:用来保存编译的结果；

regex:字符串，表示被编译的正则表达式；

cflags:编译开关控制细节；

REG_EXTEND代表使用扩展正则表达式模式；

REG_ICASE表示对规则中字符串不区分大小写；

REG_NOSUB只检查是否有符合规则的子串

2、匹配正则表达式：

利用regcomp生成的数据结构regex_t *preg 调用regexec()函数完成模式匹配:

int regexec(

const regex_t *preg,

const char *string,

size_t match,

regmatch_t pmatch[],

int eflags

)；

　　typedef struct {

　　regoff_t rm_so;

　　regoff_t rm_eo;

　　} regmatch_t;

参数说明：

preg:用来编译后的模式匹配数据结构regex_t 常量；

string:字符串，表示被匹配的字符串；

nmatch:被匹配的个数；

pmatch:匹配的结果数组；

rm_so 表示满足规则的子串在string中的起始偏移量

rm_eo 表示满足规则的子串在string中的后续偏移量

eflags:匹配的特性

REG_NOTBOL 是否是第一行

REG_NOTEOL 是否是最后一行

3、报告错误信息

size_t regerror(int errcode, const regex_t *preg, char *errbuf, size_t errbuf_size);

参数说明：

errcode:来自regcomp及regexec函数的错误代码；

preg:regcomp编译结果；

errbuf:缓冲区的错误信息字符串；

errbuf_size:缓存区的错误信息字符串长度；

4、释放正则表达式：

void regfree(regex_t *preg);

无返回结果，释放regcomp编译的regex_t指针；

5、正则表达式框架：

int mymatch(char *buf)
{
    const char *regex = "href=\"[^ >]*\"";
    regex_t preg;
    const size_t nmatch = 10;
    regmatch_t pm[nmatch];
    if (regcomp(&preg, regex, 0) != 0) {    /*编译正则表达式失败 */
        perror("regcomp");
        exit(1);
    }
    int z, i;
    z = regexec(&preg, buf, nmatch, pm, 0);
    if (z == REG_NOMATCH)/*无匹配项 */
    {
        return 0;
    }
    else/*有匹配的超链接 */
    {
        for (i = 0; i < nmatch && pm[i].rm_so != -1; ++i)/*把超链接都提取出*/
        {
            /*对匹配链接的操作*/
        }

    }
    regfree(&preg);/*释放正则表达式*/
}

6、正则表达式实例：

#include <stdio.h>

#include <sys/types.h>

#include <regex.h>

#include <string.h>

static char* substr(const char*str, unsigned start, unsigned end)

{

unsigned n = end - start;

static char stbuf[256];

strncpy(stbuf, str + start, n);

stbuf[n] = 0;

return stbuf;

}

int main(int argc, char** argv)

{

char * pattern;

int x, z, lno = 0, cflags = 0;

char ebuf[128], lbuf[256];

regex_t reg;

regmatch_t pm[10];

const size_t nmatch = 10;

pattern = argv[1];

z = regcomp(&reg, pattern, cflags);

if (z != 0)

{

regerror(z, &reg, ebuf, sizeof(ebuf));

fprintf(stderr, "%s: pattern '%s' \n", ebuf, pattern);

return 1;

}

while(fgets(lbuf, sizeof(lbuf), stdin))

{

++lno;

if ((z = strlen(lbuf)) > 0 && lbuf[z-1] == '\n')

lbuf[z - 1] = 0;

z = regexec(&reg, lbuf, nmatch, pm, 0);

if (z == REG_NOMATCH) continue;

else if (z != 0)

{

regerror(z, &reg, ebuf, sizeof(ebuf));

fprintf(stderr, "%s: regcom('%s')\n", ebuf, lbuf);

return 2;

}

for (x = 0; x < nmatch && pm[x].rm_so != -1; ++ x)

{

if (!x) printf("d: %s\n", lno, lbuf);

printf(" $%d='%s'\n", x, substr(lbuf, pm[x].rm_so, pm[x].rm_eo));

}

regfree(&reg);

return 0;

}

编译执行

bitwangbin@mac:~/code/c/regex > gcc regexp.c -o regexp

bitwangbin@mac:~/code/c/regex > ./regexp 'regex[a-z]*' < regexp.c

0003: #include <regex.h>;

$0='regex'

0020: regex_t reg;

$0='regex'

0037: z = regexec(&reg, lbuf, nmatch, pm, 0);

$0='regexec'

null

秒客网

笔记整理——Linux下C语言正则表达式

Linux下C语言正则表达式使用详解 - Google Chrome (2013/5/2 16:40:37)

正则表达式梳理（unix） - aten_xie的专栏 - 博客频道 - ****.NET - Google Chrome (2013/4/16 18:14:01)

正则表达式梳理（unix）

C语言正则表达式详解 regcomp() regexec() regfree()详解_正则表达式教程 - Google Chrome (2013/4/10 12:09:15)

常用正则表达式-月光博客 - Google Chrome (2013/4/10 10:09:16)

linux C regex正则表达式函数库 - crocodile的记录空间 - 51CTO技术博客 - Google Chrome (2013/4/1 13:53:29)

相关文章