如何在C語言中巧用正則表達式

MILY: 宋體; mso-ascii-font-family: Verdana; mso-hansi-font-family: Verdana" twffan="done">如果用戶熟悉Linux下的sed、awk、grep或vi，那么對正則表達式這一概念肯定不會陌生。由于它可以極大地簡化處理字符串時的復雜度，因此現在已經在許多Linux實用工具中得到了應用。千萬不要以為正則表達式只是Perl、Python、Bash等腳本語言的專利，作為C語言程序員，用戶同樣可以在自己的程序中運用正則表達式。

標準的C和C++都不支持正則表達式，但有一些函數庫可以輔助C/C++程序員完成這一功能，其中最著名的當數Philip Hazel的Perl-Compatible Regular Expression庫，許多Linux發行版本都帶有這個函數庫。

編譯正則表達式

為了提高效率，在將一個字符串與正則表達式進行比較之前，首先要用regcomp()函數對它進行編譯，將其轉化為regex_t結構：

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

參數regex是一個字符串，它代表將要被編譯的正則表達式；參數preg指向一個聲明為regex_t的數據結構，用來保存編譯結果；參數cflags決定了正則表達式該如何被處理的細節。

如果函數regcomp()執行成功，并且編譯結果被正確填充到preg中后，函數將返回0，任何其它的返回結果都代表有某種錯誤產生。

匹配正則表達式

一旦用regcomp()函數成功地編譯了正則表達式，接下來就可以調用regexec()函數完成模式匹配：

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;

參數preg指向編譯后的正則表達式，參數string是將要進行匹配的字符串，而參數nmatch和pmatch則用于把匹配結果返回給調用程序，最后一個參數eflags決定了匹配的細節。

在調用函數regexec()進行模式匹配的過程中，可能在字符串string中會有多處與給定的正則表達式相匹配，參數pmatch就是用來保存這些匹配位置的，而參數nmatch則告訴函數regexec()最多可以把多少個匹配結果填充到pmatch數組中。當regexec()函數成功返回時，從string+pmatch[0].rm_so到string+pmatch[0].rm_eo是第一個匹配的字符串，而從string+pmatch[1].rm_so到string+pmatch[1].rm_eo，則是第二個匹配的字符串，依此類推。

釋放正則表達式

無論什么時候，當不再需要已經編譯過的正則表達式時，都應該調用函數regfree()將其釋放，以免產生內存泄漏。

void regfree(regex_t *preg);

函數regfree()不會返回任何結果，它僅接收一個指向regex_t數據類型的指針，這是之前調用regcomp()函數所得到的編譯結果。

如果在程序中針對同一個regex_t結構調用了多次regcomp()函數，POSIX標準并沒有規定是否每次都必須調用regfree()函數進行釋放，但建議每次調用regcomp()函數對正則表達式進行編譯后都調用一次regfree()函數，以盡早釋放占用的存儲空間。

報告錯誤信息



如果調用函數regcomp()或regexec()得到的是一個非0的返回值，則表明在對正則表達式的處理過程中出現了某種錯誤，此時可以通過調用函數regerror()得到詳細的錯誤信息。

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

參數errcode是來自函數regcomp()或regexec()的錯誤代碼，而參數preg則是由函數regcomp()得到的編譯結果，其目的是把格式化消息所必須的上下文提供給regerror()函數。在執行函數regerror()時，將按照參數errbuf_size指明的最大字節數，在errbuf緩沖區中填入格式化后的錯誤信息，同時返回錯誤信息的長度。

應用正則表達式

最后給出一個具體的實例，介紹如何在C語言程序中處理正則表達式。

#include
            #include
            #include
            /* 取子串的函數 */
            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;
            }
            /* 主程序 */
            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;
            /* 編譯正則表達式*/
            pattern = argv[1];
            z = regcomp(®, pattern, cflags);
            if (z != 0){
            regerror(z, ®, ebuf, sizeof(ebuf));
            fprintf(stderr, "%s: pattern '%s' \n", ebuf, pattern);
            return 1;
            }
            /* 逐行處理輸入的數據 */
            while(fgets(lbuf, sizeof(lbuf), stdin)) {
            ++lno;
            if ((z = strlen(lbuf)) > 0 && lbuf[z-1] == '\n')
            lbuf[z - 1] = 0;
            /* 對每一行應用正則表達式進行匹配 */
            z = regexec(®, lbuf, nmatch, pm, 0);
            if (z == REG_NOMATCH) continue;
            else if (z != 0) {
            regerror(z, ®, ebuf, sizeof(ebuf));
            fprintf(stderr, "%s: regcom('%s')\n", ebuf, lbuf);
            return 2;
            }
            /* 輸出處理結果 */
            for (x = 0; x < nmatch && pm[x].rm_so != -1; ++ x) {
            if (!x) printf("%04d: %s\n", lno, lbuf);
            printf(" $%d='%s'\n", x, substr(lbuf, pm[x].rm_so, pm[x].rm_eo));
            }
            }
            /* 釋放正則表達式 */
            regfree(&reg;);
            return 0;
            }

上述程序負責從命令行獲取正則表達式，然后將其運用于從標準輸入得到的每行數據，并打印出匹配結果。執行下面的命令可以編譯并執行該程序：

# gcc regexp.c -o regexp
            # ./regexp 'regex[a-z]*' < regexp.c
            0003: #include
            $0='regex'
            0027: regex_t reg;
            $0='regex'
            0054: z = regexec(&reg;, lbuf, nmatch, pm, 0);
            $0='regexec'

小結

對那些需要進行復雜數據處理的程序來說，正則表達式無疑是一個非常有用的工具。本文重點在于闡述如何在C語言中利用正則表達式來簡化字符串處理，以便在數據處理方面能夠獲得與Perl語言類似的靈活性。