在linux下，如何在C语言中使用正则表达式

http://hi.baidu.com/d_south/blog/item/9d22a34b1fc2bcf483025c53.html
在linux下，如何在C语言中使用正则表达式（整理）
2008-03-18 19:17
    一个正则表达式的教程可以参看（里面有个测试正则表达式的工具）

http://xyboy.co.cc/linux/ch32s02.html
   


     正则表达是用来匹配字符串的好东东。
   
     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Linux发行版本都带有这个函数库。
    
    本人使用的是fedora 8系统，该版本中就带有这个函数库，下面介绍一下如何使用。（实际上只要使用man命令查询就可了解很多有关的细节了）
    
    很多在网上都有介绍，但多有些小的错误，于是我更改了并整理了一下。


    要使用正则表达式的函数库在你的程序前面包含
    #include <sys/types.h> 
    #include <regex.h>
     
    下面介绍下如何使用：
    首先，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。 （此处可以用man regcomp 命令查看详细的解释）
    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有某种错误产生。 
    
    接下来匹配正则表达式。
    一旦用regcomp()成功地编译了正则表达式，接下来就可以调用regexec()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序，最后一个参数eflags决定了匹配的细节。 

    在调用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regexec()最多可以把多少个匹配结果填充到pmatch数组中。当regexec()成 功返回时，从string+pmatch[0].rm_so到string+pmatch[0].rm_eo是第一个匹配的字符串，而从string+ pmatch[1].rm_so到string+pmatch[1].rm_eo，则是第二个匹配的字符串，依此类推。 
    最后释放正则表达式。
    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regfree()将其释放，以免产生内存泄漏。 
    void regfree(regex_t *preg); 
    报告错误信息
   如果调用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regcomp()或regexec()的错误代码，而参数preg则是由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()。在执行regerror()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。 
    给出一个应用正则表达式的例子
    （这个例子网上容易找到，但多半有些小错误，不能编译成功，我将其修改写在了下面）

例子如下：

#include <stdio.h>
#include <sys/types.h>
#include <regex.h>
/* 取子串的函数 */ 
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; 
} 
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; 
    /* 编译正则表达式*/ 
    pattern = argv[1]; 
    z = regcomp(&reg, pattern, cflags); 
    if (z != 0)
    {    
        regerror(z, &reg, ebuf, sizeof(ebuf)); 
        fprintf(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 && lbuf[z-1]== '\n') lbuf[z - 1] = 0;     
        /* 对每一行应用正则表达式进行匹配 */ 
        z = regexec(&reg, lbuf, nmatch, pm, 0); 
        if (z == REG_NOMATCH) continue; 
        else if (z != 0) 
        { 
            regerror(z, &reg, ebuf, sizeof(ebuf)); 
            fprintf(stderr, "%s: regcom('%s')\n",
            ebuf, lbuf); 
            return 2; 
        } 
        /* 输出处理结果 */ 
        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)); 
        } 
    } 
 /* 释放正则表达式 */ 
    regfree(&reg);     
    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 (编译是会有两个警告，没有事） 
    # ./regexp 'regex[a-z]*' < regexp.c
    
    0003: #include <regex.h> 
    $0='regex' 
    0027: regex_t reg; 
    $0='regex' 
    0054: z = regexec(?, lbuf, nmatch, pm, 0); 
    $0='regexec'

小结 
    在C语言中使用正则表达式并不复杂。
    正则表达式用来匹配复杂的字符串非常好用。