sscanf与正则表达式

http://unibetter.com/deerchao/zhengzhe-biaodashi-jiaocheng-se.htm

http://msdn.microsoft.com/en-us/library/28hw3sce.aspx
http://msdn.microsoft.com/zh-cn/library/system.text.regularexpressions.regex.aspx
http://www.regular-expressions.info/
http://weblogs.asp.net/whaggard/archive/2005/02/20/377025.aspx
http://www.oreilly.com/catalog/regex2/

在看这篇文章之前建议你先了解一下什么是正则表达式，具体不重复了，google一下能出一大堆，不过这篇文章比较好，贴个url http://unibetter.com/deerchao/zhengzhe-biaodashi-jiaocheng-se.htm，作者说30分钟能看完的不是地球人，但是我15分钟就看完了还记住了90%以上，好吧我来自火星，玩笑到此结束，下面切入正题。

      本文的命题源自于这样的一个url，protocol://ip:port/chn/mode，比如说，dv://192.168.1.253:65001/1/1。如果我要解析出来各个部分，并把它们保存到各自的变量里面要怎么做？传统的C程序员会说用strtok慢慢取得各个部分，对于要转成int的用atoi，部分C++程序员也许会放弃strtok转用std::string当中的find系列成员函数（find/find_first_of...）。是的，我以前也是这么干的，两种方法都用过，当然也包括MFC里的CString的相关成员函数。现在，一种全新的方法源自于sscanf这个C语言函数。

      无论你用C还是C++，sscanf和scanf这两个函数都不会太陌生，%d %s %f甚至%02d %.2f这些东西你也很熟，看了上面我说的正则表达式，也许你会写出这么一个正则表达式：[a-zA-Z]+://(\d{1,3}\.){3}(\d{1,3}):\d{1,5}/\d{1,}/\d，没错，这个正则表达式的IP部分有点问题，但是为了描述简单，暂时就这么用了。激动人心的时候到了，我要告诉你的是scanf以及sscanf实际上是支持部分正则表达式的，当然即使是到现在我依旧不敢肯定这个部分是否是ANSI的一部分，但是我的VS2005上没有问题，朋友的VS2003上也没有问题，至于VC6实在太古老暂时找不到测试。但是顺便说一句，VS2005上你用sscanf或者scanf他会出警告的，他说这两个函数不安全建议你用sscanf_s和scanf_s，我试了下推荐的两个函数又不支持这个功能了，比较囧了。

      好了，具体说说sscanf的这个扩展功能吧（暂且这么叫）。sscanf提供的这个扩展功能其实并不能真正称为正则表达式，因为他的书写还是离不开%，而且也很局限。但是作为处理我上面说的url已经是绰绰有余了。sscanf的这个扩展功能支持[]表示支付范围，{}表示重复次数，^表示取非，*表示跳过。所以上面这个url的解析可以写成下面这个样子：

char url[] = "dv://192.168.1.253:65001/1/1"

sscanf(url,"%[^://]%*c%*c%*c%[^:]%*c%d%*c%d%*c%d",protocol,ip,port,chn,type);

解释一下

先取得一个最长的字符串，但不包括字串://，于是protocol="dv\0";

然后跳过三个字符（%*c），其实就是跳过://

接着取一个字符串不包括字符串:，于是ip=192.168.1.253，这里简化处理了，IP就当个字符串来弄，而且不做检查

然后跳过冒号取端口到port，再跳过/取通道号到chn，再跳过/取码流类型到type。

      是不是觉得还不过瘾？我也觉得，接着举例。

sscanf("Phil\nChang","%[^\n]%*c%s",first_name,last_name);

解释：跳过一个换行符，取first_name和last_name

类似上面的sscanf("[e-mail]","%[^@]%*c%s",user_name,host);

      基本上，这个东西用的不多，但是有时候很实用，让你的代码会很简洁，但是相比正则表达式，功能又显得简陋很多，怎么用，就看个人而定了，还是那句话，不是很确定这东西是不是ANSI的，所以不考虑移植又觉得很简洁那么用吧，考虑移植那么请三思，至于正则表达式，用regex或者boost库吧，哦，我说的是C++，C#本来就带了的！

 

本文来自CSDN博客，转载请标明出处：http://blog.csdn.net/phil2036/archive/2009/05/27/4221704.aspx

今天翻google reader的时候看到这样一篇文章，介绍的是sscanf的高级用法。直到今天我才知道sscanf是可以直接用正则表达式的，惭愧。

在msdn中sscanf的声明如下

int sscanf( const char *buffer, const char *format [, argument ] ... );

双字节版本的是这样的

int swscanf( const wchar_t *buffer, const wchar_t *format [, argument ] ... );

第一个参数是源字符串，这没什么好讲。第三个及以后的参数是可变参数列表，用于接收解析出来之后的值，可变参数列表不是本文的重点，暂且不提。最有玄机的是第二个参数，也就是所谓的format。我们知道prinft,sprintf,scanf,sscanf这四个函数（以及相应的双字节版本）都接收一个名为format的字符串作为参数，以便对输入输出做格式化，比如

sscanf(“12”, "%d", &in)

可以把字符串"12"（念做一二）格式化成10进制数12（念做十二），并赋值给in，而

sscanf(“12”, "%s", str)

可以把字符串"12"格式化成字符串12，并拷贝到str指向的内存区域。如此种种。如果你仔细看过c语言手册，那么你一定对次非常熟悉，并喜欢在中间夹杂点啊三啊啥的组成诸如%.4ld之类的format赢取初学者（或者老板）的赞扬。但是你可真不一定了解，format里是可以直接用正则表达式的，比如

sscanf("123334abcd123", "%[0-9]*", str);

执行完后str的内容是字符串"123334"。[0-9]*是一个非常简单的正则表达式，意思是匹配数字任意次。关于正则表达式的更多内容请参看这个。

我们在写程序时经常会碰到需要解析字符串的情况，而正则表达式则是解决此类问题的利器。如果我们能善用c标准库函数就能使用的正则表达式，一定可以做到事半而功倍。

------------

附正则表达式完整列表

字元

描述

\

將下一個字元標記為一個特殊字元、或一個原義字元、或一個向後引用、或一個八進位轉義符。例如，「n」匹配字元「n」。「\n」匹配一個換行符。序列「\\」匹配「\」而「\(」則匹配「(」。

^

匹配輸入字元串的開始位置。如果設置了RegExp對象的Multiline屬性，^也匹配「\n」或「\r」之後的位置。

$

匹配輸入字元串的結束位置。如果設置了RegExp對象的Multiline屬性，$也匹配「\n」或「\r」之前的位置。

*

匹配前面的子表達式零次或多次。例如，zo*能匹配「z」以及「zoo」。*等價于{0,}。

+

匹配前面的子表達式一次或多次。例如，「zo+」能匹配「zo」以及「zoo」，但不能匹配「z」。+等價于{1,}。

?

匹配前面的子表達式零次或一次。例如，「do(es)?」可以匹配「do」或「does」中的「do」。?等價于{0,1}。

{n}

n是一個非負整數。匹配確定的n次。例如，「o{2}」不能匹配「Bob」中的「o」，但是能匹配「food」中的兩個o。

{n,}

n是一個非負整數。至少匹配n次。例如，「o{2,}」不能匹配「Bob」中的「o」，但能匹配「foooood」中的所有o。「o{1,}」等價于「o+」。「o{0,}」則等價于「o*」。

{n,m}

m和n均為非負整數，其中n<=m。最少匹配n次且最多匹配m次。例如，「o{1,3}」將匹配「fooooood」中的前三個o。「o{0,1}」等價于「o?」。請注意在逗號和兩個數之間不能有空格。

?

當該字元緊跟在任何一個其他限制符(*,+,?,{n},{n,},{n,m})後面時，匹配模式是非貪婪的。非貪婪模式盡可能少的匹配所搜索的字元串，而默認的貪婪模式則盡可能多的匹配所搜索的字元串。例如，對於字元串「oooo」，「o+?」將匹配單個「o」，而「o+」將匹配所有「o」。

.

匹配除「\n」之外的任何單個字元。要匹配包括「\n」在內的任何字元，請使用像「[.\n]」的模式。

(pattern)

匹配pattern並獲取這一匹配。所獲取的匹配可以從產生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中則使用$0…$9屬性。要匹配圓括號字元，請使用「\(」或「\)」。

(?:pattern)

匹配pattern但不獲取匹配結果，也就是說這是一個非獲取匹配，不進行存儲供以後使用。這在使用「或」字元(|)來組合一個模式的各個部分是很有用。例如，「industr(?:y|ies)就是一個比」industry|industries'更簡略的表達式。

(?=pattern)

正向預查，在任何匹配pattern的字元串開始處匹配查找字元串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。例如， 「Windows(?=95|98|NT|2000)」能匹配「Windows2000」中的「Windows」，但不能匹配「Windows3.1」中 的「Windows」。預查不消耗字元，也就是說，在一個匹配發生後，在最後一次匹配之後立即開始下一次匹配的搜索，而不是從包含預查的字元之後開始。

(?!pattern)

負向預查，在任何不匹配pattern的字元串開始處匹配查找字元串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。例如 「Windows(?!95|98|NT|2000)」能匹配「Windows3.1」中的「Windows」，但不能匹配「Windows2000」中 的「Windows」。預查不消耗字元，也就是說，在一個匹配發生後，在最後一次匹配之後立即開始下一次匹配的搜索，而不是從包含預查的字元之後開始

x|y

匹配x或y。例如，「z|food」能匹配「z」或「food」。「(z|f)ood」則匹配「zood」或「food」。

[xyz]

字符集合。匹配所包含的任意一個字元。例如，「[abc]」可以匹配「plain」中的「a」。

[^xyz]

負值字符集合。匹配未包含的任意字元。例如，「[^abc]」可以匹配「plain」中的「p」。

[a-z]

字元範圍。匹配指定範圍內的任意字元。例如，「[a-z]」可以匹配「a」到「z」範圍內的任意小寫字母字元。

[^a-z]

負值字元範圍。匹配任何不在指定範圍內的任意字元。例如，「[^a-z]」可以匹配任何不在「a」到「z」範圍內的任意字元。

\b

匹配一個單詞邊界，也就是指單詞和空格間的位置。例如，「er\b」可以匹配「never」中的「er」，但不能匹配「verb」中的「er」。

\B

匹配非單詞邊界。「er\B」能匹配「verb」中的「er」，但不能匹配「never」中的「er」。

\cx

匹配由x指明的控制字元。例如，\cM匹配一個Control-M或回車符。x的值必須為A-Z或a-z之一。否則，將c視為一個原義的「c」字元。

\d

匹配一個數字字元。等價于[0-9]。

\D

匹配一個非數字字元。等價于[^0-9]。

\f

匹配一個換頁符。等價于\x0c和\cL。

\n

匹配一個換行符。等價于\x0a和\cJ。

\r

匹配一個回車符。等價于\x0d和\cM。

\s

匹配任何空白字元，包括空格、製表符、換頁符等等。等價于[\f\n\r\t\v]。

\S

匹配任何非空白字元。等價于[^\f\n\r\t\v]。

\t

匹配一個製表符。等價于\x09和\cI。

\v

匹配一個垂直製表符。等價于\x0b和\cK。

\w

匹配包括下劃線的任何單詞字元。等價于「[A-Za-z0-9_]」。

\W

匹配任何非單詞字元。等價于「[^A-Za-z0-9_]」。

\xn

匹配n，其中n為十六進位轉義值。十六進位轉義值必須為確定的兩個數字長。例如，「\x41」匹配「A」。「\x041」則等價于「\x04」&「1」。正則表達式中可以使用ASCII編碼。.

\num

匹配num，其中num是一個正整數。對所獲取的匹配的引用。例如，「(.)\1」匹配兩個連續的相同字元。

\n

標識一個八進位轉義值或一個向後引用。如果\n之前至少n個獲取的子表達式，則n為向後引用。否則，如果n為八進位數字(0-7)，則n為一個八進位轉義值。

\nm

標識一個八進位轉義值或一個向後引用。如果\nm之前至少有nm個獲得子表達式，則nm為向後引用。如果\nm之前至少有n個獲取，則n為一個後跟文字m的向後引用。如果前面的條件都不滿足，若n和m均為八進位數字(0-7)，則\nm將匹配八進位轉義值nm。

\nml

如果n為八進位數字(0-3)，且m和l均為八進位數字(0-7)，則匹配八進位轉義值nml。

\un

匹配n，其中n是一個用四個十六進位數字表示的Unicode字元。例如，\u00A9匹配版權符號（©）。

http://www.cnblogs.com/gussing/archive/2009/02/02/1382342.html