在C/C++语言中使用正则表达式

~ 本文所有的内容都来自网络，加上一些个人的理解，不保证正确性，欢迎批评指正
   说起正则表达式（Regular Expression），也许有的朋友天天都在使用，比如grep、vim、sed、awk，只是可能对这个名词不大熟悉。正则表达式一般简写为regex或者regexp，甚至是RE。关于正则表达式的介绍，有很多的文章，用搜索引擎查找就可以找到很不错的使用说明。但是在C/C++语言中如何去使用，相应的介绍比较缺乏。大多数C标准库自带regex，可以通过/usr/include/regex.h去看，或者man regex看使用说明。perl，php等语言更是提供了功能强大的正则表达式，最著名的C语言正则表达式库为PCRE（Perl Compatible Regular Expression）。本文主要对regex和pcre的使用做一点入门介绍。
   1、regex
   regex的使用非常简单，只要看一下示例代码1就能明白（示例代码是从“GNU C 规则表达式入门”这篇文章里摘取出来的，是否为原始出处就
   不得而知了）。
   CODE:#include stdio.h
   #include string.h
   #include regex.h
   #define SUBSLEN 10              /* 匹配子串的数量 */
   #define EBUFLEN 128          /* 错误消息buffer长度 */
   #define BUFLEN 1024          /* 匹配到的字符串buffer长度 */
   int main()
   {
   size_t       len;
   regex_t       re;      /* 存储编译好的正则表达式，正则表达式在使用之前要经过编译 */
   regmatch_t    subs [SUBSLEN]; /* 存储匹配到的字符串位置 */
   char          matched [BUFLEN];     /* 存储匹配到的字符串 */
   char          errbuf [EBUFLEN]; /* 存储错误消息 */
   int          err, i;
   char          src    [] = "111 titleHello World/title 222"; /* 源字符串 */
   char          pattern [] = "title(.*)/title"; /* pattern字符串 */
   printf("String : %s/n", src);
   printf("Pattern: /"%s/"/n", pattern);
   /* 编译正则表达式 */
   err = regcomp(re, pattern, REG_EXTENDED);
   if (err) {
   len = regerror(err, re, errbuf, sizeof(errbuf));
   printf("error: regcomp: %s/n", errbuf);
   return 1;
   }
   printf("Total has subexpression: %d/n", re.re_nsub);
   /* 执行模式匹配 */
   err = regexec(re, src, (size_t) SUBSLEN, subs, 0);
   if (err == REG_NOMATCH) { /* 没有匹配成功 */
   printf("Sorry, no match .../n");
   regfree(re);
   return 0;
   } else if (err) {   /* 其它错误 */
   len = regerror(err, re, errbuf, sizeof(errbuf));
   printf("error: regexec: %s/n", errbuf);
   return 1;
   }
   /* 如果不是REG_NOMATCH并且没有其它错误，则模式匹配上 */
   printf("/nOK, has matched .../n/n");
   for (i = 0; i = re.re_nsub; i++) {
   len = subs[i].rm_eo - subs[i].rm_so;
   if (i == 0) {
   printf ("begin: %d, len = %d   ", subs[i].rm_so, len); /* 注释1 */
   } else {
   printf("subexpression %d begin: %d, len = %d   ", i, subs[i].rm_so, len);
   }
   memcpy (matched, src + subs[i].rm_so, len);
   matched[len] = '/0';
   printf("match: %s/n", matched);
   }
   regfree(re); /* 用完了别忘了释放 */
   return (0);
   }
   执行结果是
   CODE:String : 111 titleHello World/title 222
   Pattern: "title(.*)/title"
   Total has subexpression: 1
   OK, has matched ...
   begin: %, len = 4   match: titleHello World/title
   subexpression 1 begin: 11, len = 11   match: Hello World
   从示例程序可以看出，使用之前先用regcomp()编译一下，然后调用regexec()进行实际匹配。如果只是看有没有匹配成功，掌握这2个函数的用法即可。有时候我们想要取得匹配后的子表达式，比如示例中想获得title是什么，需要用小括号 "( )"把子表达式括起来"title(.*)/title"，表达式引擎会将小括号 "( )" 包含的表达式所匹配到的字符串记录下来。在获取匹配结果的时候，小括号包含的表达式所匹配到
   的字符串可以单独获取，示例程序就是我用来获取http网页的主题（title）的方式。
   regmatch_t subs[SUBSLEN]是用来存放匹配位置的，subs[0]里存放这个匹配的字符串位置，subs[1]里存放第一个子表达式的匹配位置，也就是例子中的title，通过结构里的rm_so和rm_eo可以取到，这一点很多人不太注意，应该强调一下。
   注释1：开始调试代码的时候是在FreeBSD 6.2上进行的，print出来的len总是0，但print出来的字符串又没错，很是迷惑，把它放到Linux上则完全正常，后来仔细检查才发现rm_so在Linux上是32位，在FreeBSD上是64位，用%d的话实际取的是rm_so的高32位，而不是实际的len，把print rm_so的地方改为%llu就可以了。
   regex虽然简单易用，但对正则表达式的支持不够强大，中文处理也有问题，于是引出了下面要说的PCRE。
   2、PCRE   （http://www.pcre.org）
   PCRE的名字就说明了是Perl Compatible，熟悉Perl、PHP的人使用起来完全没有问题。PCRE有非常丰富的使用说明和示例代码（看看
   pcredemo.c就能明白基本的用法），下面的程序只是把上面regex改为pcre。
   CODE:/* Compile thuswise:
   * gcc -Wall pcre1.c -I/usr/local/include -L/usr/local/lib -R/usr/local/lib -lpcre
   *
   */
   #include stdio.h
   #include string.h
   #include pcre.h
   #define OVECCOUNT 30 /* should be a multiple of 3 */
   #define EBUFLEN 128
   #define BUFLEN 1024
   int main()
   {
   pcre          *re;
   const char    *error;
   int          erroffset;
   int          ovector[OVECCOUNT];
   int          rc, i;
   char          src [] = "111 titleHello World/title 222";
   char          pattern [] = "title(.*)/title";
   printf("String : %s/n", src);
   printf("Pattern: /"%s/"/n", pattern);
   re = pcre_compile(pattern, 0, error, erroffset, NULL);
   if (re == NULL) {
   printf("PCRE compilation failed at offset %d: %s/n", erroffset, error);
   return 1;
   }
   rc = pcre_exec(re, NULL, src, strlen(src), 0, 0, ovector, OVECCOUNT);
   if (rc 0) {
   if (rc == PCRE_ERROR_NOMATCH) printf("Sorry, no match .../n");
   else printf("Matching error %d/n", rc);
   free(re);
   return 1;
   }
   printf("/nOK, has matched .../n/n");
   for (i = 0; i rc; i++) {
   char *substring_start = src + ovector[2*i];
   int substring_length = ovector[2*i+1] - ovector[2*i];
   printf("%2d: %.*s/n", i, substring_length, substring_start);
   }
   free(re);
   return 0;
   }
   执行结果是：
   CODE:String : 111 titleHello World/title 222
   Pattern: "title(.*)/title"
   OK, has matched ...
   0: titleHello World/title
   1: Hello World
   比较这2个例子可以看出，在regex用的是regcomp()、regexec()，pcre则使用pcre_compile()、pcre_exec()，用法几乎完全一致。
   pcre_compile()有很多选项，详细说明参见http://www.pcre.org/pcre.txt。如果是多行文本，可以设置PCRE_DOTALL的选项pcre_complie(re,
   PCRE_DOTALL,....)，表示'.'也匹配回车换行"/r/n"。
   3、pcre++
   pcre++（http://www.daemon.de/PCRE）对pcre做了c++封装，使用起来更加方便。
   CODE:/*
   * g++ pcre2.cpp -I/usr/local/include -L/usr/local/lib -R/usr/local/lib -lpcre++ -lpcre
   */
   #include string
   #include iostream
   #include pcre++.h
   using namespace std;
   using namespace pcrepp;
   int main()
   {
   string src("111 titleHello World/title 222");
   string pattern("title(.*)/title");
   cout "String : " src endl;
   cout "Pattern : " pattern endl;
   Pcre reg(pattern, PCRE_DOTALL);
   if (reg.search(src) == true) { //
   cout "/nOK, has matched .../n/n";
   for(int pos = 0; pos reg.matches(); pos++) {
   cout pos ": " reg[pos] endl;
   }
   } else {
   cout "Sorry, no match .../n";
   return 1;
   }
   return 0;
   }
   执行结果是：
   CODE:String : 111 titleHello World/title 222
   Pattern : title(.*)/title
   OK, has matched ...
   0: Hello World
   4、oniguruma
   还有一个正则表达式的库oniguruma（http://www.geocities.jp/kosako3/oniguruma/），对于东亚文字支持比较好，开始是用在ruby上，也可用于C++，是日本的开发人员编写的。大多数人都不会用到，也就不做介绍了。如果有疑问可以通过email来讨论它的用法。
   5、Regular Expression的内部实现
   关于Regular Expression的实现，用到了不少自动机理论（Automata Theory）的知识，有兴趣的可以找这方面的资料来看，这本书“
   Introduction to Automata Theory, Languages, and Computation”写的很好，编译原理的书也有这方面的内容。

---

灵石县18840101496： C++中正则表达式怎么用 - ？
钞谈奥天： 正则表达式(regular expression)是计算机科学中的一个概念,又称规则表达式,通常简写为regex、regexp、RE、regexps、regexes、regexen.正则表达式是一种文本模式.正则表达式是强大、便捷、高效的文本处理工具.正则表达式本身...

灵石县18840101496： 如何在C语言中使用正则表达式 - ？
钞谈奥天： 看到大家讨论这方面的东西,作点贡献聊表各位高手对这个版快的无私奉献 :oops: 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...

灵石县18840101496： 如何在c/c++中用正则表达式？
钞谈奥天： #include <stdio.h> int main(){ char buffer[200]; FILE* fin = fopen(＂sample.txt＂/*你需要的文件名*/, ＂r＂); fscanf(fin, ＂%s＂, buffer);//读取当前第一个字符串 //读完后关闭文件 fclose(fin); } 也可以去www.boost.org看看! 希望可以帮你的忙!也希望你的问题可以早日得到解决!

灵石县18840101496： 在C++里面这个正则表达式要怎么写?用正则表达式^\d*\+\d*j$匹配形如123+456j的复数字符串 - ？
钞谈奥天： ^是界定符,表示匹配字符串的开始;[+-],中括号表示其内的内容都是符合要求的匹配,所以这个表示“+”或者＂-＂;\d,[0-9]的简写形式,也就是匹配数字;$也是界定符,表示匹配字符串的结束;了解以上之后再来看问号(?)和星号(*)...

灵石县18840101496： C语言正则表达式 - ？
钞谈奥天： 现在很多种语言都支持正则表达式,据说有个老外的书不错,精通正则表达式,哎,可惜,我们这小地方买本书比较难,C语言当然支持,许多主流语言都支持,正则表达式可以很大的提升效率,一段小代码就能实现长篇大论的程序,很精彩

灵石县18840101496： C/C++支持正则表达式吗? - ？
钞谈奥天： C++语言特性上不支持.目前标准库中也没有直接的支持.需要另外配置支持正则表达式的库.常用的是boost.regex库,具体资料很多,可以直接搜索.另外还有ATL CAtlRegExp、GRETA等.

灵石县18840101496： 如何用c语言来识别电子邮箱是否正确 - ？
钞谈奥天： 最简单的方式是使用正则表达式.检测邮箱格式的正则表达式:^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$. 1、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 ...

灵石县18840101496： 正则表达式可以用在c语言和vb中吗? - ？
钞谈奥天： c语言默认情况下不支持正则表达式 vb可以 Function RegExpTest(patrn, strng) Dim regEx, Match, Matches ' 建立变量. Set regEx = New RegExp ' 建立正则表达式. regEx.Pattern = patrn ' 设置模式. regEx.IgnoreCase = True ' 设置是否区分字符...

灵石县18840101496： C语言的正则表达工具reec怎么用额？
钞谈奥天： 劝你别用了,那个reec我试了下,连个半成品都不算. 本来它连正则表达式的那些\s,*之类的都不支持,还好意思说自己是处理正则的. 另外我试了下,它自己连它的例子运行出来也是错的. 总之要用的话,就是把 main.c reec.c rex.c reio.c四个文件一起编译,然后main.c是例子,需要你自己去改写的.

灵石县18840101496： C++,如果加入regex.h,使用正则式 - ？
钞谈奥天： #include ＂deelx.h＂// 表达式对象 CRegexpT <char> re(＂\\d*(?=\\.)\\.\\d*＂, MULTILINE);// 替换 char * newstring = re.Replace(＂1.12\n1＂, ＂＂);// 其他操作 //.....// 释放字符串 re.ReleaseString(newstring);