GUN C正则表达式

副标题#e#

最近项目中要处理惩罚文本,因此就用了gun的正则表达式,它是posix气势气魄的..我们一般利用的都是perl气势气魄的,所以一开始利用大概会有一些不习惯.具体的区别可以在wiki上看到:

http://en.wikipedia.org/wiki/Regular_expression

头文件是regex.h可以在内里看到他所提供的接口.这里主要是3个函数和一个布局体:

引用

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)
typedef struct {
　 regoff_t rm_so;
　 regoff_t rm_eo;
} regmatch_t;

regcomp会将参数pattern编译为compiled,也就是讲字符串编译为正则表达式.

而参数cflags可以是下面1种可能几种的组合:

REG_EXTENDED

利用 扩展的 posix　 Regular Expressions.

REG_ICASE

忽略巨细写

REG_NOSUB

不存储匹配功效,只返回是否匹配乐成.

REG_NEWLINE

可以匹配换行.

regexec执行匹配.compiled为适才编译好的正则表达式,string为将要匹配的字符串,nmatch为后头的布局体数组的长度 (regmatch_t).matchptr为regmatch_t的一个数组(也就是存储着像perl内里的$0,$1这些的位置,也就是).而 eflag参数则可以是下面中的1个或多个.

REG_NOTBOL

会讲^作为一个一般字符来匹配,而不是一行的开始

REG_NOTEOL

会讲$作为一个一般字符来匹配,而不是一行的竣事

regfree每次用完之后需要释放这个正则表达式.compiled为需要释放的正则表达式.

regmatch_t 中的rm_so为匹配字符的开始位置,rm_eo为竣事位置.

说了这么多,其实利用很简朴的:

引用

POSIX Regexp Compilation: Using regcomp to prepare to match.
Flags for POSIX Regexps: Syntax variations for regcomp.
Matching POSIX Regexps: Using regexec to match the compiled pattern that you get from regcomp.
Regexp Subexpressions: Finding which parts of the string were matched.
Subexpression Complications: Find points of which parts were matched.
Regexp Cleanup: Freeing storage; reporting errors.

#p#副标题#e#

然后看个例子吧:

C代码　

#include　<stdio.h>　
#include　<regex.h>　
#include　<string>　
int　main(int　argc,　char**　argv)　
{　
　　　　char*　pattern="abc([0-9]+)";　
　　　　int　z=0;　
　　　　char　*s_tmp="Abc1234";　
　　　　regex_t　reg;　
　　　　regmatch_t　pm[3];　
　　　　z　=　regcomp(　&　reg,　pattern,　REG_EXTENDED|REG_ICASE);　
　　　　z　=　regexec(　&　reg,　s_tmp,　3,　pm,　0);　
　　if　(z　!=　0)　{　
//也就是不匹配　
　　　　　　　　return　2;　
　　　　}　
　　　　std::string　s=s_tmp;　
　　　　std::string　result0=s.substr(pm[0].rm_so,　pm[0].rm_eo-pm[0].rm_so);　
　　　　std::string　result1=s.substr(pm[1].rm_so,　pm[1].rm_eo-pm[1].rm_so);　
　　printf("[%s]\n",　result0.c_str());　
　　　　printf("[%s]\n",　result1.c_str());　
　　　　regfree(　&　reg);　
　　　　return　0;　
}

很简朴一个例子, 将会打印出Abc1234gh和1234.这里因为有括号,因此pm[0]存储着第0组的位置,pm[1]存储第1组的位置.

也谈谈本身的体会吧,那就是真欠好用,不管是提供的接口照旧posix气势气魄的正则.并且听说是效率较量低下.因此假如有时机下次筹备试试boost得正则可能pcre了..