C语言正则表达式库RegEx库

说明：

#Regular Expression Overview

. (dot) - a single character.

? - the preceding character matches 0 or 1 times only.

* - the preceding character matches 0 or more times.

+ - the preceding character matches 1 or more times.

{n} - the preceding character matches exactly n times.

{n,m} - the preceding character matches at least n times and not more than m times.

[agd] - the character is one of those included within the square brackets.

[^agd] - the character is not one of those included within the square brackets.

[c-f] - the dash within the square brackets operates as a range. In this case it means either the letters c, d, e or f.

() - allows us to group several characters to behave as one.

| (pipe symbol) - the logical OR operation.

^ - matches the beginning of the line.

$ - matches the end of the line.

>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>>

[a-z] Match's any single char between a to z.

[A-Z] Match's any single char between A to Z.

[0-9] Match's any single char between 0 to 9.

[a-zA-Z0-9] Match's any single character either a to z or A to Z or 0 to 9

[!@#$%^] Match's any ! or @ or # or $ or % or ^ character.

#Regular Expression Overview

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。通常我们以数组的形式定义一组这样的结构。因为往往我们的正则表达式中还包含子正则表达式。数组0单元存放主正则表达式位置，后边的单元依次存放子正则表达式位置。

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);

/* return: 1, match; 0, not; -1, error */int match(char *_string, char *_pattern){    int rv = 0;    regex_t *p_re = NULL;    char buf[256] = {0};    p_re = calloc(1, sizeof(regex_t));    if (p_re == NULL)    {        //printf("error: calloc: %d\n", errno);        rv = -1;        goto _end;    }    rv = regcomp(p_re, _pattern, REG_EXTENDED|REG_NOSUB);    if (rv != 0)    {        (void)regerror(rv, p_re, buf, sizeof buf);        printf("error: regcomp: %s\n",buf);        goto _end;    }    rv = regexec(p_re, _string, (size_t)0, NULL, 0);    regfree(p_re);    if (rv != 0)    {        (void)regerror(rv, p_re, buf, sizeof buf);        printf("regexec: %s, [%d],[%s]\n", buf, rv, _pattern);        goto _end;    }    rv = 1;_end:    if (p_re != NULL)    {        free(p_re);    }    return rv;} // matchint main(int argc, char *argv[]){    int rv = 0;    char string[128] = {0};    char pattern[64] = {0};    snprintf(string, sizeof(string), "abc123");    snprintf(pattern, sizeof(pattern), "^a.*[0-9]$");    if (argc > 2)    {        snprintf(string, sizeof(string), argv[1]);        snprintf(pattern, sizeof(pattern), argv[2]);    }    printf("pattern: [%s]\n", pattern);    rv = match(string, pattern);    if (rv == 1)    {        printf("nice, (%s) ~ (%s) matched\n", string, pattern);    }    else    {        printf("sorry, (%s) !~ (%s) not match!\n", string, pattern);    }    return rv;} // main// sample.c