Tong Jian 用過Perl的朋友應該都它提供了規則表達式功能，所以使得用perl 進行文本處理非常方便。本人最近試用了一下 GNU C 的規則表達式功能， 發現使用起來也很簡單，只是覺得支持的不夠強大，不能夠進行文本的替換，只能進行文本的查找，至少目前我是 沒有發現基於規則表達式的 文本替換功能。 下面我就簡單的介紹一下GNU C 的規則表達式使用方法，有理解不對的地方，還請朋友們多指正。 在GNU C 中要使用規則表達式，需要用到以下幾個函數。（定義在/usr/include/regex.h文件中） * int regcomp (regex_t *compiled, const char *pattern, int cflags) * int regexec (regex_t *compiled, char *string, size_t nmatch, regmatch_t matchptr [], int eflags) * void regfree (regex_t *compiled) * size_t regerror (int errcode, regex_t *compiled, char *buffer, size_t length) 下面我就介紹分別一下這幾個函數和它用到的一些數據類型。 1.int regcomp (regex_t *compiled, const char *pattern, int cflags) 這個函數把指定的規則表達式pattern編譯成一種特定的數據格式compiled，這樣可以使匹配更有效。函數 regexec 會使用這個數據在目標文 本串中進行模式匹配。執行成功返回０。 regex_t 是一個結構體數據類型，用來存放編譯後的規則表達式，它的成員re_nsub 用來存儲規則表達式中的子 規則表達式的個數，子規則表 達式就是用圓括號包起來的部分表達式。 pattern 是指向我們寫好的規則表達式的指針。 cflags 有如下4個值或者是它們或運算()後的值: REG_EXTENDED 以功能更加強大的擴展規則表達式的方式進行匹配。 REG_ICASE 匹配字母時忽略大小寫。 REG_NOSUB 不用存儲匹配後的結果。 REG_NEWLINE 識別換行符，這樣'$'就可以從行尾開始匹配，'^'就可以從行的開頭開始匹配。 2. int regexec (regex_t *compiled, char *string, size_t nmatch, regmatch_t matchptr [], int eflags) 當我們編譯好規則表達式後，就可以用regexec 匹配我們的目標文本串了，如果在編譯規則表達式的時候沒有指 定cflags的參數為 REG_NEWLINE，則默認情況下是忽略換行符的，也就是把整個文本串當作一個字符串處理。執行成功返回０。 regmatch_t 是一個結構體數據類型，成員rm_so 存放匹配文本串在目標串中的開始位置，rm_eo 存放結束位 置。通常我們以數組的形式定義 一組這樣的結構。因為往往我們的規則表達式中還包含子規則表達式。數組0單元存放主規則表達式位置，後邊的 單元依次存放子規則表達式位 置。 compiled 是已經用regcomp函數編譯好的規則表達式。 string 是目標文本串。 nmatch 是regmatch_t結構體數組的長度。 matchptr regmatch_t類型的結構體數組，存放匹配文本串的位置信息。 eflags 有兩個值 REG_NOTBOL 按我的理解是如果指定了這個值，那麼'^'就不會從我們的目標串開始匹配。總之我到現在還不是很 明白這個參數的意義， 原文如下： If this bit is set, then the beginning-of-line operator doesn't match the beginning of the string (presumably because it's not the beginning of a line).If not set, then the beginning-of-line operator does match the beginning of the string. REG_NOTEOL 和上邊那個作用差不多，不過這個指定結束end of line。 3. void regfree (regex_t *compiled) 當我們使用完編譯好的規則表達式後，或者要重新編譯其他規則表達式的時候，我們可以用這個函數清空 compiled指向的regex_t結構體的內 容，請記住，如果是重新編譯的話，一定要先清空regex_t結構體。 4. size_t regerror (int errcode, regex_t *compiled, char *buffer, size_t length) 當執行regcomp 或者regexec 產生錯誤的時候，就可以調用這個函數而返回一個包含錯誤信息的字符串。 errcode 是由regcomp 和 regexec 函數返回的錯誤代號。 compiled 是已經用regcomp函數編譯好的規則表達式，這個值可以為NULL。 buffer 指向用來存放錯誤信息的字符串的內存空間。 length 指明buffer的長度，如果這個錯誤信息的長度大於這個值，則regerror 函數會自動截斷超出的字符串， 但他仍然會返回完整的字符 串的長度。所以我們可以用如下的方法先得到錯誤字符串的長度。 size_t length = regerror (errcode, compiled, NULL, 0); 好了，下面來實戰一下，這樣你就會理解的更清楚了。 --------------------------------------------------------------- /* regex_test.c * regular eXPression test in GNU C * * tested on redhat6.1 * gcc regex_test.c -o regex_test */ #include #include #include #include #include #define SUBSLEN 10 #define EBUFLEN 128 /* error buffer length */ #define BUFLEN 1024 /* matched buffer length */ int main (int argc, char **argv) { FILE *fp; size_t len; /* store error message length */ regex_t re; /* store compilned regular expression */ regmatch_t subs[SUBSLEN]; /* store matched string position */ char matched[BUFLEN]; /* store matched strings */ char errbuf[EBUFLEN]; /* store error message */ int err, i; char string[] = "AAAAabaaababAbAbCdCd123123 11(123){12}"; char pattern[] = "(\\([0-9]+\\))(\\{[0-9]+\\}{1})$"; printf ("String : %s\n", string); printf ("Pattern: \"%s\"\n", pattern); /* compile regular expression */ err = regcomp (&re, pattern, REG_EXTENDED); if (err) { len = regerror (err, &re, errbuf, sizeof (errbuf)); fprintf (stderr, "error: regcomp: %s\n", errbuf); exit (1); } printf ("Total has subexpression: %d\n", re.re_nsub); /* execute pattern match */ err = regexec (&re, string, (size_t)SUBSLEN, subs, 0); if (err == REG_NOMATCH) { fprintf (stderr, "Sorry, no match ...\n"); regfree (&re); exit (0); } else if (err) { len = regerror (err, &re, errbuf, sizeof (errbuf)); fprintf (stderr, "error: regexec: %s\n", errbuf); exit (1); } /* if no REG_NOMATCH and no error, then pattern matched */ printf ("\nOK, has matched ...\n\n"); for (i = 0; i
