C語言用regcomp、regexec、regfree和regerror函式實現正則表示式校驗
前言
首先,祝大家國慶假期玩的嗨皮!可能有的人已經在回家的路上了,是不是都看不到我的真摯祝福了?
C語言對於一些東西的封裝比較少,比如正則表示式,但速度快一直使它立於不敗之地,今天就要介紹如何用C封裝。
一、正則表示式
1、介紹
應該都聽過正則吧?主要應用在字串匹配,而且它是通用的,各種語言都支援。例如可以用它匹配IP地址、郵箱等。舉個例子說明一下正則有啥用:
例如,我在的公司,頁面用PHP,後臺用C,當新增使用者郵箱時,我們老大就要求:PHP和C都要對使用者輸入的使用者郵箱進行校驗,這時正則表示式就派上用場了。
2、grep命令
我會用grep進行簡單的舉例,所以要簡單介紹一下。
grep是一種查詢過濾工具,正則表示式在grep中用來查詢符合模式的字串。其實正則表示式還有一個重要的應用是驗證使用者輸入是否合法,例如使用者通過網頁表單提交自己的email地址,就需要用程式驗證一下是不是合法的email地址,這個工作可以在網頁的Javascript中做,也可以在網站後臺的程式中做,例如PHP、Perl、Python、Ruby、Java或C,所有這些語言都支援正則表示式,可以說,目前不支援正則表示式的程式語言實在很少見。
egrep相當於grep -E,表示採用Extended正則表示式語法。
注意grep找的是包含某一模式的行,而不是完全匹配某一模式的行。
3、基本語法
對於正則表示式的語法,我只列出比較常見的,基本就夠用了,如果有興趣的可以再去網上學習,去深入瞭解。
字元類
數量限定符
位置限定符
舉例:查詢IP的正則
用^[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}$查詢
其它特殊字元
4、分類
大致分為兩類:Basic正則和Extended正則
區別:
以上介紹的是grep正則表示式的Extended規範,Basic規範也有這些語法,只是字元?+{}|()應解釋為普通字元,要表示上述特殊含義則需要加\轉義。如果用grep而不是egrep,並且不加-E引數,則應該遵照Basic規範來寫正則表示式。
二、正則表示式相關函式
C語言處理正則表示式常用的函式有regcomp()、regexec()、regfree()和regerror()
C語言中使用正則表示式一般分為三步:
- 編譯正則表示式 regcomp()
- 匹配正則表示式 regexec()
- 釋放正則表示式 regfree()
下邊將對三個函式的詳細解釋。
1、regcomp函式
功能:這個函式把指定的正則表示式pattern編譯成一種特定的資料格式compiled,這樣可以使匹配更有效。
原型:int regcomp(regex_t *preg, const char *regex, int cflags);
引數說明:
regex_t 是一個結構體資料型別,用來存放編譯後的正則表示式,它的成員re_nsub 用來儲存正則表示式中的子正則表示式的個數,子正則表示式就是用圓括號包起來的部分表示式。
引數regex: 是指向我們寫好的正則表示式的指標。
引數cflags: 有如下4個值或者是它們或運算(|)後的值:
REG_EXTENDED 以功能更加強大的擴充套件正則表示式的方式進行匹配。
REG_ICASE 匹配字母時忽略大小寫。
REG_NOSUB 不用儲存匹配後的結果,只返回是否成功匹配。如果設定該標誌位,那麼在regexec(在下邊介紹)將忽略nmatch和pmatch兩個引數。
REG_NEWLINE 識別換行符,這樣'$'就可以從行尾開始匹配,'^'就可以從行的開頭開始匹配。
2、regexec函式
功能:函式regexec 會使用這個資料在目標文字串中進行模式匹配。
原型:int regexec(const regex_t *preg, const char *string, size_t nmatch,regmatch_t pmatch[], int eflags);
先來介紹下引數4中的regmatch_t結構體:
regmatch_t 是一個結構體資料型別,在regex.h中定義:
typedef struct {
regoff_t rm_so;
regoff_t rm_eo;
} regmatch_t;
成員rm_so 存放匹配文字串在目標串中的開始位置,rm_eo 存放結束位置。通常我們以陣列的形式定義一組這樣的結構。
引數說明:
preg 是已經用regcomp函式編譯好的正則表示式。
string 是目標文字串。
nmatch 是regmatch_t結構體陣列的長度。
matchptr regmatch_t型別的結構體陣列,存放匹配文字串的位置資訊。
eflags 有兩個值:
REG_NOTBOL 讓特殊字元^無作用
REG_NOTEOL 讓特殊字元$無作用
3、regfree函式
功能:可以用這個函式清空regex_t結構體的內容
原型:void regfree(regex_t *preg);
4、regerror函式
功能:當執行regcomp 或者regexec 產生錯誤的時候,就可以呼叫這個函式而返回一個包含錯誤資訊的字串。
原型:size_t regerror(int errcode, const regex_t *preg, char *errbuf,size_t errbuf_size);
引數說明:
errcode 是由regcomp 和 regexec 函式返回的錯誤代號。
preg 是已經用regcomp函式編譯好的正則表示式,這個值可以為NULL。
errbuf 指向用來存放錯誤資訊的字串的記憶體空間。
errbuf_size 指明buffer的長度,如果這個錯誤資訊的長度大於這個值,則regerror 函式會自動截斷超出的字串,但他仍然會返回完整的字串的長度。所以我們可以用如下的方法先得到錯誤字串的長度。
三、程式示例
輸入兩個引數,第一個引數:正則表示式,第二個引數:字串,校驗是否匹配,程式如下:
#include <sys/types.h> #include <regex.h> #include <stdio.h> int main(int argc, char ** argv) { if (argc != 3) { printf("Usage: %s RegexString Text\n", argv[0]); return 1; } const char * pregexstr = argv[1]; const char * ptext = argv[2]; regex_t oregex; int nerrcode = 0; char szerrmsg[1024] = {0}; size_t unerrmsglen = 0; if ((nerrcode = regcomp(&oregex, pregexstr, REG_EXTENDED|REG_NOSUB)) == 0) { if ((nerrcode = regexec(&oregex, ptext, 0, NULL, 0)) == 0) { printf("%s matches %s\n", ptext, pregexstr); regfree(&oregex); return 0; } } unerrmsglen = regerror(nerrcode, &oregex, szerrmsg, sizeof(szerrmsg)); unerrmsglen = unerrmsglen < sizeof(szerrmsg) ? unerrmsglen : sizeof(szerrmsg) - 1; szerrmsg[unerrmsglen] = '\0'; printf("ErrMsg: %s\n", szerrmsg); regfree(&oregex); return 1; }View Code
演示匹配郵箱:
執行:./a.out "^[a-zA-Z0-9][email protected][a-zA-Z0-9]+.[a-zA-Z0-9]+" "[email protected]"
演示結果如下:
總結
希望喜歡的點關注,不迷路哦!會持續更新linux C/C++相關內容,謝謝支援!