grep正则执行模式粗探

今天群里讨论grep正则时，用到了-P选项

查了下man

      -P, --perl-regexp
              Interpret PATTERN as a Perl regular expression.

 

 

然后对grep的正则执行模式起了点兴趣，继续查看了grep的正则执行过程

还是从main函数开始，跟踪grep的函数调用过程

1:函数调用路径

       在grep.c的main函数里，开始时，对参数（相当多）进行了分析(略）

       然后调用正则编译函数

(*compile)(keys, keycc);

然后分别对每个文件，调用了grepfile函数，因此grep支持对多个文件进行操作（包括标准输入）

grepfile对文件类型进行分析，然后调用grep函数

grep函数循环读取（调用fillbuf）文件匹配（调用grepbuf）

grepbuf里，有个match_offset指针，用于指针从左到右的偏移匹配

while ((match_offset = (*execute) (p, lim - p, &match_size, 0)) != (size_t) -1)

可以看出grepbuf调用了execute函数指针

execute即是执行正则的函数

 

2：正则模式设定

execute函数采用指针的形式，是因为grep彩用了多种正则执行模式，用指针方便调用不同模式的正则匹配函数

execute函数指针在install_matcher函数里赋值

execute = matchers[i].execute;

这里install_matcher就是在main里分析不同参数是调用的，以指定采用哪种正则“matcher匹配器”？。

if (!install_matcher (matcher) && !install_matcher ("default")) abort ();

通过不同参数指定，并通过setmatcher函数指定matcher值

if (! matcher) matcher = "grep"; case 'E': setmatcher ("egrep"); break; case 'F': setmatcher ("fgrep"); break; case 'P': setmatcher ("perl"); break; case 'G': setmatcher ("grep"); break;

默认的matcher值是grep:

if (! matcher) matcher = "grep";

 

 

 

 

3：正则函数

       正则在处理步骤上，大致可分成编译和执行二个步骤：编译正则表达式，执行正则表达式

       上边提到的函数指针

在install_matcher里，设定了正则compile(编辑器?)与正则execute（执行器）

install_matcher (char const *name){ int i; for (i = 0; matchers[i].compile; i++) if (strcmp (name, matchers[i].name) == 0) { compile = matchers[i].compile; execute = matchers[i].execute;

 

matchers数组，结构数组在search.c文件里指定

默认为Gcompile和EGexecute

struct matcher const matchers[] = { { "default", Gcompile, EGexecute }, { "grep", Gcompile, EGexecute }, { "egrep", Ecompile, EGexecute }, { "awk", Ecompile, EGexecute }, { "fgrep", Fcompile, Fexecute }, { "perl", Pcompile, Pexecute }, { "", 0, 0 },};

 

相关函数定义：

static void kwsinit PARAMS ((void));static void kwsmusts PARAMS ((void));static void Gcompile PARAMS ((char const *, size_t));static void Ecompile PARAMS ((char const *, size_t));static size_t EGexecute PARAMS ((char const *, size_t, size_t *, int ));static void Fcompile PARAMS ((char const *, size_t));static size_t Fexecute PARAMS ((char const *, size_t, size_t *, int));static void Pcompile PARAMS ((char const *, size_t ));static size_t Pexecute PARAMS ((char const *, size_t, size_t *, int));

 

 

这边就是调用不同正则表达式编译和解析函数了

以grep默认的Gcompilte和EGexecute为例

Gcompilte事实上调用了dfa.c、dfa.h文件里的正则编译函数dfacomp

dfacomp (pattern, size, &dfa, 1);

 

而EGexecute则是调用了正则查询函数re_match,re_search

这二个函数在标准库定义/usr/include/regex.h

* Search in the string STRING (with length LENGTH) for the pattern compiled into BUFFER. Start searching at position START, for RANGE characters. Return the starting position of the match, -1 for no match, or -2 for an internal error. Also return register information in REGS (if REGS and BUFFER->no_sub are nonzero). */extern int re_search (struct re_pattern_buffer *__buffer, const char *__string, int __length, int __start, int __range, struct re_registers *__regs);/* Like `re_search', but search in the concatenation of STRING1 and STRING2. Also, stop searching at index START + STOP. */extern int re_search_2 (struct re_pattern_buffer *__buffer, const char *__string1, int __length1, const char *__string2, int __length2, int __start, int __range, struct re_registers *__regs, int __stop);/* Like `re_search', but return how many characters in STRING the regexp in BUFFER matched, starting at position START. */extern int re_match (struct re_pattern_buffer *__buffer, const char *__string, int __length, int __start, struct re_registers *__regs);

 

 

而对于perl正则模式Pcompile,Pexecute则是调用了perl正则处理函数

这二个函数需要perl正则库(pcre.h)支持

#ifdef HAVE_LIBPCRE# include <pcre.h> cre = pcre_compile (re, flags, &ep, &e, pcre_maketables ()); int e = pcre_exec (cre, extra, buf, size, 0, 0, sub, sizeof sub / sizeof *sub);

 

 

未了，对于正则具体的编译和执行，待以后有空继续研究