GNUC规则表达式入门

　　Tong Jian
　　　　　 用过Perl的朋友应该都它提供了规则表达式功能，所以使得用perl 进行文本处理非常方便。本人最近试用了一下
　　　　　 GNU C 的规则表达式功能，
　　　　　 发现使用起来也很简单，只是觉得支持的不够强大，不能够进行文本的替换，只能进行文本的查找，至少目前我是
　　　　　 没有发现基于规则表达式的
　　　　　 文本替换功能。
　　
　　　　　 下面我就简单的介绍一下GNU C 的规则表达式使用方法，有理解不对的地方，还请朋友们多指正。
　　
　　　　　 在GNU C 中要使用规则表达式，需要用到以下几个函数。（定义在/usr/include/regex.h文件中）
　　　　　 * int regcomp (regex_t *compiled, const char *pattern, int cflags)
　　　　　 * int regexec (regex_t *compiled, char *string, size_t nmatch, regmatch_t matchptr [], int
　　　　　 eflags)
　　　　　 * void regfree (regex_t *compiled)
　　　　　 * size_t regerror (int errcode, regex_t *compiled, char *buffer, size_t length)
　　
　　　　　 下面我就介绍分别一下这几个函数和它用到的一些数据类型。
　　
　　　　　 1.int regcomp (regex_t *compiled, const char *pattern, int cflags)
　　
　　　　　 这个函数把指定的规则表达式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。
　　
　　　　　 regex_t 是一个结构体数据类型，用来存放编译后的规则表达式，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 是指向我们写好的规则表达式的指针。
　　　　　 cflags 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规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)
　　
　　　　　 当我们编译好规则表达式后，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。
　　
　　　　　 regmatch_t 是一个结构体数据类型，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。通常我们以数组的形式定义
　　　　　 一组这样的结构。因为往往我们的规则表达式中还包含子规则表达式。数组0单元存放主规则表达式位置，后边的
　　　　　 单元依次存放子规则表达式位
　　　　　 置。
　　
　　　　　 compiled 是已经用regcomp函数编译好的规则表达式。
　　　　　 string 是目标文本串。
　　　　　 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，
　　　　　 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。
　　
　　　　　 3. void regfree (regex_t *compiled)
　　
　　　　　 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规则表达式的时候，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。
　　
　　　　　 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);
　　
　　　　　 好了，下面来实战一下，这样你就会理解的更清楚了。
　　　　　 ---------------------------------------------------------------
　　
　　　　　 /* regex_test.c
　　　　　 * regular expression test in GNU C
　　　　　 *
　　　　　 * tested on redhat6.1
　　　　　 * gcc regex_test.c -o regex_test
　　　　　 */
　　
　　　　　 #include
　　　　　 #include
　　　　　 #include
　　　　　 #include
　　　　　 #include
　　
　　　　　 #define SUBSLEN 10
　　　　　 #define EBUFLEN 128 /* error buffer length */
　　　　　 #define BUFLEN 1024 /* matched buffer length */
　　
　　　　　 int
　　　　　 main (int argc, char **argv)
　　　　　 {
　　　　　 FILE *fp;
　　　　　 size_t len; /* store error message length */
　　　　　 regex_t re; /* store compilned regular expression */
　　　　　 regmatch_t subs[SUBSLEN]; /* store matched string position */
　　　　　 char matched[BUFLEN]; /* store matched strings */
　　　　　 char errbuf[EBUFLEN]; /* store error message */
　　　　　 int err, i;
　　
　　　　　 char string[] = "AAAAabaaababAbAbCdCd123123 11(123){12}";
　　　　　 char pattern[] = "(\\([0-9]+\\))(\\{[0-9]+\\}{1})$";
　　
　　　　　 printf ("String : %s\n", string);
　　　　　 printf ("Pattern: \"%s\"\n", pattern);
　　
　　　　　 /* compile regular expression */
　　　　　 err = regcomp (&re, pattern, REG_EXTENDED);
　　
　　　　　 if (err)
　　　　　 {
　　　　　 len = regerror (err, &re, errbuf, sizeof (errbuf));
　　　　　 fprintf (stderr, "error: regcomp: %s\n", errbuf);
　　　　　 exit (1);
　　　　　 }
　　　　　 printf ("Total has subexpression: %d\n", re.re_nsub);
　　
　　　　　 /* execute pattern match */
　　　　　 err = regexec (&re, string, (size_t)SUBSLEN, subs, 0);
　　
　　　　　 if (err == REG_NOMATCH)
　　　　　 {
　　　　　 fprintf (stderr, "Sorry, no match ...\n");
　　　　　 regfree (&re);
　　　　　 exit (0);
　　　　　 }
　　　　　 else if (err)
　　　　　 {
　　　　　 len = regerror (err, &re, errbuf, sizeof (errbuf));
　　　　　 fprintf (stderr, "error: regexec: %s\n", errbuf);
　　　　　 exit (1);
　　　　　 }
　　
　　　　　 /* if no REG_NOMATCH and no error, then pattern matched */
　　　　　 printf ("\nOK, has matched ...\n\n");
　　　　　 for (i = 0; i <= re.re_nsub; i++)
　　　　　 {
　　　　　 if (i == 0)
　　　　　 {
　　　　　 printf ("begin: %d, end: %d, ",
　　　　　 subs.rm_so, subs.rm_eo);
　　　　　 }
　　　　　 else
　　　　　 {
　　　　　 printf ("subexpression %d begin: %d, end: %d, ",
　　　　　 i, subs.rm_so, subs.rm_eo);
　　　　　 }
　　　　　 len = subs.rm_eo - subs.rm_so;
　　　　　 memcpy (matched, string + subs.rm_so, len);
　　　　　 matched[len] = '\0';
　　　　　 printf ("match: %s\n", matched);
　　　　　 }
　　
　　　　　 regfree(&re);
　　　　　 exit(0);
　　　　　 }
　　
　　

原文转自：http://www.ltesting.net