1、如何在 C 语言中巧用正则表达式(linux)如果用户熟悉 Linux下的 sed、awk、grep 或 vi，那么对正则表达式这一概念肯定不会陌生。由于它可以极大地简化处理字符串时的复杂度，因此现在已经在许多 Linux实用工具中得到了应用。千万不要以为正则表达式只是Perl、Python、Bash 等脚本语言的专利，作为 C语言程序员，用户同样可以在自己的程序中运用正则表达式。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，许多 L
2、inux发行版本都带有这个函数库。编译正则表达式为了提高效率，在将一个字符串与正则表达式进行比较之前，首先要用regcomp()函数对它进行编译，将其转化为 regex_t结构：int regcomp(regex_t *preg, const char *regex,int cflags);参数 regex是一个字符串，它代表将要被编译的正则表达式；参数 preg指向一个声明为 regex_t的数据结构，用来保存编译结果；参数 cflags决定了正则表达式该如何被处理的细节。 如果函数 regcomp()执行成功，并且编译结果被正确填充到 preg中后，函数将返回 0，任何其它的返回结果都代表
3、有某种错误产生。 匹配正则表达式 一旦用 regcomp()函数成功地编译了正则表达式，接下来就可以调用regexec()函数完成模式匹配： int regexec(const regex_t *preg, const char *string, size_t nmatch,regmatch_t pmatch, int eflags); typedef struct regoff_t rm_so; regoff_t rm_eo; regmatch_t;参数 preg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 pmatch则用于把匹配结果返回给调用程
4、序，最后一个参数 eflags决定了匹配的细节。 在调用函数 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 pmatch就是用来保存这些匹配位置的，而参数 nmatch则告诉函数 regexec()最多可以把多少个匹配结果填充到 pmatch数组中。当 regexec()函数成功返回时，从 string+pmatch0.rm_so到string+pmatch0.rm_eo是第一个匹配的字符串，而从 string+pmatch1.rm_so到 string+pmatch1.rm_eo，则是第二个匹配的字符串，依此类推。 释放正则表达式
5、 无论什么时候，当不再需要已经编译过的正则表达式时，都应该调用函数regfree()将其释放，以免产生内存泄漏。 void regfree(regex_t *preg);函数 regfree()不会返回任何结果，它仅接收一个指向 regex_t数据类型的指针，这是之前调用 regcomp()函数所得到的编译结果。 如果在程序中针对同一个 regex_t结构调用了多次 regcomp()函数，POSIX标准并没有规定是否每次都必须调用 regfree()函数进行释放，但建议每次调用 regcomp()函数对正则表达式进行编译后都调用一次 regfree()函数，以尽早释放占用的存储空间。 报告错
6、误信息 如果调用函数 regcomp()或 regexec()得到的是一个非 0的返回值，则表明在对正则表达式的处理过程中出现了某种错误，此时可以通过调用函数regerror()得到详细的错误信息。 size_t regerror(int errcode, const regex_t *preg, char *errbuf,size_t errbuf_size);参数 errcode是来自函数 regcomp()或 regexec()的错误代码，而参数preg则是由函数 regcomp()得到的编译结果，其目的是把格式化消息所必须的上下文提供给 regerror()函数。在执行函数 reger
7、ror()时，将按照参数errbuf_size指明的最大字节数，在 errbuf缓冲区中填入格式化后的错误信息，同时返回错误信息的长度。 应用正则表达式 最后给出一个具体的实例，介绍如何在 C语言程序中处理正则表达式。 #include #include #include /* 取子串的函数 */ static char* substr(const char*str,unsigned start, unsigned end) unsigned n = end - start; static char stbuf256; strncpy(stbuf, str + start, n); stbuf
8、n = 0; return stbuf; /* 主程序 */ int main(int argc, char* argv) char * pattern; int x, z, lno = 0, cflags = 0; char ebuf128, lbuf256; regex_t reg; regmatch_t pm10; const size_t nmatch = 10; /* 编译正则表达式*/ pattern = argv1; z = regcomp(?, pattern, cflags); if (z != 0) regerror(z, ?, ebuf, sizeof(ebuf); fp
9、rintf(stderr, “%s: pattern %s n“,ebuf, pattern); return 1; /* 逐行处理输入的数据 */ while(fgets(lbuf, sizeof(lbuf), stdin) +lno; if (z = strlen(lbuf) 0 /* 对每一行应用正则表达式进行匹配 */ z = regexec(?, lbuf, nmatch, pm, 0); if (z = REG_NOMATCH) continue; else if (z != 0) regerror(z, ?, ebuf, sizeof(ebuf); fprintf(stderr,
10、 “%s: regcom(%s)n“,ebuf, lbuf); return 2; /* 输出处理结果 */ for (x = 0; x nmatch + x) if (!x) printf(“%04d: %sn“, lno, lbuf); printf(“ $%d=%sn“, x, substr(lbuf, pmx.rm_so,pmx.rm_eo); /* 释放正则表达式 */ regfree(?); return 0; 上述程序负责从命令行获取正则表达式，然后将其运用于从标准输入得到的每行数据，并打印出匹配结果。执行下面的命令可以编译并执行该程序： # gcc regexp.c -o regexp # ./regexp regexa-z* regexp.c 0003: #include $0=regex 0027: regex_t reg; $0=regex 0054: z = regexec(?, lbuf, nmatch, pm, 0); $0=regexec小结 对那些需要进行复杂数据处理的程序来说，正则表达式无疑是一个非常有用的工具。本文重点在于阐述如何在 C语言中利用正则表达式来简化字符串处理，以便在数据处理方面能够获得与 Perl语言类似的灵活性。
