GUN C正則表達式

最近項目中要處理文本,因此就用了gun的正則表達式,它是posix風格的..我們一般使用的都是perl風格的,所以一開始使用可能會有一些不習慣.詳細的區別可以在wiki上看到:

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

頭文件是regex.h可以在裡面看到他所提供的接口.這裡主要是3個函數和一個結構體:

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會將參數pattern編譯為compiled,也就是講字符串編譯為正則表達式.

而參數cflags可以是下面1種或者幾種的組合:

REG_EXTENDED

使用 擴展的 posix　 Regular Expressions.

REG_ICASE

忽略大小寫

REG_NOSUB

不存儲匹配結果,只返回是否匹配成功.

REG_NEWLINE

可以匹配換行.

regexec執行匹配.compiled為剛才編譯好的正則表達式,string為將要匹配的字符串,nmatch為後面的結構體數組的長度 (regmatch_t).matchptr為regmatch_t的一個數組(也就是存儲著像perl裡面的$0,$1這些的位置,也就是).而 eflag參數則可以是下面中的1個或多個.

REG_NOTBOL

會講^作為一個一般字符來匹配,而不是一行的開始

REG_NOTEOL

會講$作為一個一般字符來匹配,而不是一行的結束

regfree每次用完之後需要釋放這個正則表達式.compiled為需要釋放的正則表達式.

regmatch_t 中的rm_so為匹配字符的開始位置,rm_eo為結束位置.

說了這麼多,其實使用很簡單的:

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.

然後看個例子吧:

C代碼　

#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;　
}

很簡單一個例子, 將會打印出Abc1234gh和1234.這裡因為有括號,因此pm[0]存儲著第0組的位置,pm[1]存儲第1組的位置.

也談談自己的體會吧,那就是真不好用,不管是提供的接口還是posix風格的正則.而且據說是效率比較低下.因此如果有機會下次准備試試boost得正則或者pcre了..