1. PCRE簡介

2. 正則表示式定義

3. PCRE正則表示式的定義

4. PCRE的函式簡介

5. 使用PCRE在C語言中實現正則表示式的解析

6. PCRE函式在C語言中的使用小例子

PCRE(Perl Compatible Regular Expressions即：perl語言相容正則表示式)是一個用C語言編寫的正則表示式函式庫，由菲利普.海澤(Philip Hazel)編寫。PCRE是一個輕量級的函式庫，比Boost之中的正則表示式庫小得多。PCRE十分易用，同時功能也很強大，效能超過了POSIX正則表示式庫和一些經典的正則表示式庫[1]。

和Boost正則表示式庫的比較顯示

PCRE被廣泛使用在許多開源軟體之中，最著名的莫過於Apache HTTP伺服器和PHP指令碼語言、R指令碼語言，此外，正如從其名字所能看到的，PCRE也是perl語言的預設正則庫。

PCRE是用C語言實現的，其C++實現版本是PCRE++。

2. 正則表示式定義

一個正則表示式就是由普通字元（例如字元 a 到 z）以及特殊字元（稱為元字元）組成的文字模式。該模式描述在查詢文字主體時待匹配的一個或多個字串。正則表示式作為一個模板，將某個字元模式與所搜尋的字串進行匹配。

例如下面一些正則表示式：

^(-?\d+)(\.\d+)?$　    匹配浮點數

^[A-Za-z]+$            匹配由26個英文字母組成的字串

^[A-Z]+$　             匹配由26個英文字母的大寫組成的字串

^[a-z]+$　　           匹配由26個英文字母的小寫組成的字串

^[A-Za-z0-9]+$　　     匹配由數字和26個英文字母組成的字串

^\w+$　　              匹配由數字、26個英文字母或者下劃線組成的字串

^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$　　　　 匹配email地址

當然，可能你會問上面這些表示式為什麼是這樣寫。這裡就暫時不做多講，因為本文主要講的是PCRE庫的應用，所以想了解更多的話，可以看我下面的[附錄1]，裡面有全部正則表式用到的元字元說明。或參考網址[3]正則表示式語言元素msdn文件。

用於描述字元排列和匹配模式的一種語法規則。它主要用於字串的模式分割、匹配、查詢及替換操作。

正則中重要的幾個概念有：元字元、轉義、模式單元（重複）、反義、引用和斷言。

常用的元字元(Meta-character)

元字元    說明

\A     匹配字串串首的原子

\Z     匹配字串串尾的原子

\b     匹配單詞的邊界/\bis/匹配頭為is的字串/is\b/ 匹配尾為is的字串 /\bis\b/ 定界

\B     匹配除單詞邊界之外的任意字元   /\Bis/   匹配單詞“This”中的“is”

\d     匹配一個數字；等價於[0-9]

\D     匹配除數字以外任何一個字元；等價於[^0-9]

\w     匹配一個英文字母、數字或下劃線；等價於[0-9a-zA-Z_]

\W     匹配除英文字母、數字和下劃線以外任何一個字元；等價於[^0-9a-zA-Z_]

\s     匹配一個空白字元；等價於[\f\t\v]

\S     匹配除空白字元以外任何一個字元；等價於[^\f\t\v]

\f     匹配一個換頁符等價於 \x0c 或 \cL

匹配一個換行符；等價於 \x0a 或 \cJ

匹配一個回車符等價於\x0d 或 \cM

\t     匹配一個製表符；等價於 \x09\或\cl

\v     匹配一個垂直製表符；等價於\x0b或\ck

\oNN    匹配一個八進位制數字

\xNN    匹配一個十六進位制數字

\cC     匹配一個控制字元

模式修正符（Pattern Modifiers）

模式修正符在忽略大小寫、匹配多行中使用特別多，掌握了這一個修正符，往往能解決我們遇到的很多問題。

i     －可同時匹配大小寫字母

M     －將字串視為多行

S     －將字串視為單行，換行符做普通字元看待，使“.”匹配任何字元

X     －模式中的空白忽略不計 

U     －匹配到最近的字串

e     －將替換的字串作為表達使用

格式：/apple/i匹配“apple”或“Apple”等，忽略大小寫。 

當然這裡還有很多種情況，在這裡就不一一描述出來了。

PCRE是一個NFA正則引擎，不然不能提供完全與Perl一致的正則語法功能。但它同時也實現了DFA，只是滿足數學意義上的正則。

PCRE提供了19個介面函式。

這裡只介紹了幾個主要和常用的介面函式，另外的可通過PCRE原始碼文件進行了解。注意，使用PCRE主要是使用下面介紹的前四個函式，對這四個函式有了瞭解，使用PCRE庫的時候就會簡單很多了。

下面所講的函式，都在PCRE標頭檔案上定義申明：#include <pcre.h>。

1.pcre_compile

函式原型：

pcre *pcre_compile(const char *pattern, int options, const char **errptr, int *erroffset, const unsigned char *tableptr)

功能：將一個正則表示式編譯成一個內部表示，在匹配多個字串時，可以加速匹配。其同pcre_compile2功能一樣只是缺少一個引數errorcodeptr。

引數說明：

pattern   正則表示式

options   為0，或者其他引數選項

errptr   出錯訊息

erroffset  出錯位置

tableptr  指向一個字元陣列的指標，可以設定為空NULL。 

2. pcre_compile2

函式原型：

pcre *pcre_compile2(const char *pattern, int options, int *errorcodeptr, const char **errptr, int *erroffset, const unsigned char *tableptr)

功能：將一個正則表示式編譯成一個內部表示，在匹配多個字串時，可以加速匹配。其同pcre_compile功能一樣只是多一個引數errorcodeptr。

引數：

pattern     正則表示式

options     為0，或者其他引數選項

errorcodeptr 存放出錯碼

errptr      出錯訊息

erroffset   出錯位置

tableptr    指向一個字元陣列的指標，可以設定為空NULL。

3. pcre_exec

函式原型：

int pcre_exec(const pcre *code, const pcre_extra *extra, const char *subject, int length, int startoffset, int options, int *ovector, int ovecsize)

功能：使用編譯好的模式進行匹配，採用與Perl相似的演算法，返回匹配串的偏移位置。

引數：

code         編譯好的模式

extra        指向一個pcre_extra結構體，可以為NULL

subject      需要匹配的字串

length       匹配的字串長度（Byte）

startoffset  匹配的開始位置

options      選項位

ovector      指向一個結果的整型陣列

ovecsize     陣列大小。

4． pcre_study

函式原型：

pcre_extra *pcre_study(const pcre *code, int options, const char **errptr)

功能：對編譯的模式進行學習，提取可以加速匹配過程的資訊。

引數：

code      已編譯的模式

options   選項

errptr    出錯訊息

5. pcre_version

函式原型：

char *pcre_version(void)

功能：返回PCRE的版本資訊。

引數：無。 

6. pcre_config

函式原型：

int pcre_config(int what, void *where)

功能：查詢當前PCRE版本中使用的選項資訊。

引數：

what        選項名

where       儲存結果的位置

7．pcre_maketables

函式原型：

const unsigned char *pcre_maketables(void)

功能：生成一個字元表，表中每一個元素的值不大於256，可以用它傳給pcre_compile()替換掉內建的字元表。

引數：無

5. 使用PCRE在C語言中實現正則表示式的解析

上述講了這麼多PCRE相關函式的介紹，目的還是為了能夠運用上，所以這裡就先講解下使用PCRE的過程。主要過程分三步走第一步編譯正則表示式；第二匹配正則表示式；第三步釋放正則表示式。

1．編譯正則表示式

為了提高效率，在將一個字串與正則表示式進行比較之前，首先要用pcre_compile() /pcre_compile2() 函式對它時行編譯，轉化成PCRE引擎能夠識別的結構（struct real_pcre）。

這裡還可以呼叫pcre_study()函式，對編譯後的正則表示式結構（struct real_pcre）時行分析和學習，學習的結果是一個數據結構（struc pcre_extra），這個資料結構連同編譯後的規則（struct real_pcre）可以一起送給pcre_exec單元進行匹配。

2.匹配正則表示式

一旦用函式pcre_compile() /pcre_compile2()成功地編譯了正則表示式，接下來就可以呼叫pcre_exec（）函式完成模式匹配。根據正則表示式到指定的字串中進行查詢和匹配,並輸出匹配的結果。

3. 釋放正則表示式

無論什麼時候，當不再需要已經編譯過的正則表示式時，都應該呼叫函式free()將其釋放，以免產生內在洩漏。

6. PCRE函式在C語言中的使用小例子  

在使用PCRE庫時，首先肯定是需要安裝pcre的，不過一般的系統都會有自帶的PCRE庫。不過如果想使用最新版本的話，也可以自已下載一個安裝包。我這裡下載的安裝是pcre-8.13.tar.gz版本。安裝過程很簡單，把安裝包上傳需要安裝的伺服器上，安裝時預設路徑即可，我是在linux環境下安裝的，執行命令如下：

1.[[email protected] pcre-8.13]# ./configure

2.[[email protected] pcre-8.13]# make && make install

此兩步即可安裝完成，安裝成功後的標頭檔案在：/usr/local/include, 庫檔案在:/usr/local/lib 。

下面是我的一個使用PCRE庫函式的一個小例子，其功能是匹配手機號碼的正則表示式是否成功，分成四類手機號碼時行匹配，分別是移動、電信、聯通和CDMA的手機號。裡面用到了PCRE庫函式中的pcre_compile()和pcre_exec()：

因為我是在linux下編譯C程式的，所以要用到makefile檔案。注意：如果你在編譯時出現提示：

/usr/zej/zej_test/kernel/pcre_test2.c:29: undefined reference to `pcre_compile'

/usr/zej/zej_test/kernel/pcre_test2.c:35: undefined reference to `pcre_exec'

沒有定義pcre.h檔案裡面的函式時，是因為沒有連結到庫檔案裡，這時可以能過修改makefile，在l裡面新增一個lpcre即可。然後在編譯便可成功。

1. #include <stdio.h>
2. #include <stdlib.h>
3. #include <string.h>
4. #include <pcre.h>
5. #define OVECCOUNT 30    /* should be a multiple of 3 */
6. #define EBUFLEN 128            
7. #define BUFLEN 1024
8. int main()
9. {
10.       pcre *reCM, *reUN, *reTC, *reCDMA; 
11.       const char *error;
12.       int erroffset;
13.       int ovector[OVECCOUNT];
14.       int rcCM, rcUN, rcTC, rcCDMA, i; 
15. /*        
16.       常用號段前三位
17.       中國移動CM：134.135.136.137.138.139.150.151.152.157.158.159.187.188 ,147(資料卡)
18.       中國聯通UN：130.131.132.155.156.185.186 
19.       中國電信TC：133.153.180.189 
20.       CDMA ：133,153
21. */
22.       char src[22];  
23.       char pattern_CM[] = "^1(3[4-9]|5[012789]|8[78])\\d{8}$";      //正則表示式
24.       char pattern_UN[] = "^1(3[0-2]|5[56]|8[56])\\d{8}$";
25.       char pattern_TC[] = "^18[09]\\d{8}$";
26.       char pattern_CDMA[] = "^1[35]3\\d{8}$";
27.       printf("Please input your telephone number \n");
28.       scanf("%s", src);
29.       printf("String : %s\n", src);
30.       printf("Pattern_CM: \"%s\"\n", pattern_CM);
31.       printf("Pattern_UN: \"%s\"\n", pattern_UN);
32.       printf("Pattern_TC: \"%s\"\n", pattern_TC);
33.       printf("Pattern_CDMA: \"%s\"\n", pattern_CDMA);
34.       reCM = pcre_compile(pattern_CM, 0, &error, &erroffset, NULL);  //將正則表示式編譯成pcre內部表示結構
35.       reUN = pcre_compile(pattern_UN, 0, &error, &erroffset, NULL);
36.       reTC = pcre_compile(pattern_TC, 0, &error, &erroffset, NULL);
37.       reCDMA = pcre_compile(pattern_CDMA, 0, &error, &erroffset, NULL);
38.       if (reCM==NULL && reUN==NULL && reTC==NULL && reCDMA==NULL) {
39.        printf("PCRE compilation telephone failed at offset %d: %s\n", erroffset,  error);
40.         return 1;        
41.       }
42.       rcCM = pcre_exec(reCM, NULL, src, strlen(src), 0, 0, ovector, OVECCOUNT);  //匹配pcre編譯好的模式，成功返回正數，失敗返回負數
43.       rcUN = pcre_exec(reUN, NULL, src, strlen(src), 0, 0, ovector, OVECCOUNT);
44.       rcTC = pcre_exec(reTC, NULL, src, strlen(src), 0, 0, ovector, OVECCOUNT);
45.       rcCDMA = pcre_exec(reCDMA, NULL, src, strlen(src), 0, 0, ovector, OVECCOUNT);
46.       if (rcCM<0 && rcUN<0 && rcTC<0 && rcCDMA<0) {      //若沒匹配返回錯誤資訊
47.        if (rcCM==PCRE_ERROR_NOMATCH && rcUN==PCRE_ERROR_NOMATCH &&
48.        rcTC==PCRE_ERROR_NOMATCH && rcTC==PCRE_ERROR_NOMATCH) {
49.        printf("Sorry, no match ...\n");        
50.         }
51.         else {
52.          printf("Matching error %d\n", rcCM);
53.          printf("Matching error %d\n", rcUN);
54.          printf("Matching error %d\n", rcTC);
55.          printf("Matching error %d\n", rcCDMA);
56.         }   
57.         free(reCM);
58.         free(reUN);
59.         free(reTC);
60.         free(reCDMA);
61.         return 1;
62.       }
63.       printf("\nOK, has matched ...\n\n");  //匹配成功把對應的正則表示式和號碼打印出來
64.       if (rcCM > 0) {
65.        printf("Pattern_CM: \"%s\"\n", pattern_CM);
66.         printf("String : %s\n", src);
67.       }
68.       if (rcUN > 0) {
69.        printf("Pattern_UN: \"%s\"\n", pattern_UN);  
70.         printf("String : %s\n", src);    
71.       }
72.       if (rcTC > 0) {
73.        printf("Pattern_TC: \"%s\"\n", pattern_TC);
74.         printf("String : %s\n", src);
75.       }
76.       if (rcCDMA > 0) {
77.        printf("Pattern_CDMA: \"%s\"\n", pattern_CDMA);   
78.         printf("String : %s\n", src);
79.       }
80.       free(reCM);        //釋放記憶體
81.       free(reUN);
82.       free(reTC);
83.       free(reCDMA);
84.       return 0;
85. }

下面是編譯通過後，執行程式後的結果：

按照提示輸入手機號：13591995735（移動手機號）

<!--[endif]-->

隨便輸入一個號碼：7459812

<!--[endif]-->

輸入聯通手機號碼：13006666039 

<!--[endif]-->

輸入電信手機號碼：18900000036

[1]：一些正則表達庫的對比

[2]：Boost和PCRE正則庫的效能對比

[3]：正則表示式語言元素

附錄1：

元字元及其在正則表示式上下文中的行為的一個完整列表：