C: GNU regex library (regex.h)正则表达式调用示例

Posted 2021-12-14 10km

GNU regex是GNU提供的跨平台的POSIX 正则表达式库(C语言)。
我也是最近才接触这个相对于C++/Java实现来说非常简陋,勉强够用的正则表达式库。
不算GNU提供的扩展函数，POSIX标准的regex库总共就4个函数regcomp,regerror,regexec,regfree,
以下以完整源码的方式调用以上函数完成对GNU regex library的基本测试。

gnuregex_test.c

详细解释参见源码中的注释

/************************************************************************/
/*  gnuregex_test.c                                                     */
/*  GNU Regex 测试                                                      */
/*  测试 regcomp,regerror,regexec,regfree 函数的使用方式                */
/*  author guyadong                                                     */
/************************************************************************/
#include <stdio.h>
#include <regex.h>

/** 输出字符串中指定范围的字符到控制台 */
void print_str(const char* input, size_t _start, size_t _end)

	if (input)
	
		for (size_t i = _start; i < _end; ++i)
		
			printf("%c", input[i]);
		
	


int main() 

	/** 待匹配字符串 */
	const char* inputstr = "hello,welcome to my party";
	/** regex 错误输出缓冲区 */
	char regerrbuf[256];
	regex_t reg;
	/** 正则表达式 */
	const char* pattern = "(we|par)([a-z]+)";
	printf("==GNU Regex Test==\\n");
	printf("Pattern     :%s\\n", pattern);
	printf("Input String:%s\\n", inputstr);
	/************************************************************************/
	/* 编译正则表达式,编译成功的 regex_t 对象才可以被后续的 regexec 使用    */
	/************************************************************************/
	int c = regcomp(&reg, pattern, REG_EXTENDED);
	if (0 != c)
	
		/************************************************************************/
		/*  正则表达式编译出错输出错误信息                                      */
		/*  调用 regerror 将错误信息输出到 regerrbuf 中                         */
		/*  regerrbuf 末尾置0,确保上面调用regerror 导致 regerrbuf 溢出的情况下, */
		/*  字符串仍有有结尾0                                                   */
		/*  然后 printf 输出                                                    */
		/************************************************************************/
		regerror(c, &reg, regerrbuf, sizeof(regerrbuf));
		regerrbuf[sizeof(regerrbuf) - 1] = '\\0';
		printf("%s\\n", regerrbuf);
		return -1;
	
	/************************************************************************/
	/* 记录匹配位置的 regmatch_t 数组                                       */
	/* 上面的正则表达有 2 个捕获组,加上默认组(group 0),                     */
	/* 为了记录所有捕获组位置,所以这里需要长度为 3 的 regmatch_t 数组       */
	/************************************************************************/
	const size_t matchsz = 3;
	regmatch_t pmatch[3];
	/** 起始匹配的偏移量 */
	size_t offset = 0;
	/** 捕获计数         */
	int matchcount = 0;
	/************************************************************************/
	/* regexec 不能通过一次调用找到字符串中所有满足匹配条件的字符串位置,    */
	/* 所以需要通过步进偏移的方式循环查找字符串中所有匹配的字符串,          */
	/* 每一次匹配的起始偏移是上一次匹配到的字符串结束偏移                   */
	/************************************************************************/
	do 
		printf("Search start %d\\n",(int)offset);
		/** 正则表达式匹配的起始地址 */
		const char* p = inputstr + offset;
		/************************************************************************/
		/* regmatch_t 用于记录正则表达匹配的结果,每一个 regmatch_t 记录一个捕获 */
		/* 组(catch group)的在字符串中的起始位置。                              */
		/* 如果调用 regexec 时如果不提供 regmatch_t(nmatch为0,pmatch为NULL),    */
		/* 或者提供的 regmatch_t 数组长小于正则表达式中全部捕获组的数量,        */
		/* regexec 也能正常匹配,只是无法记录匹配的位置                          */
		/* 或不能完全记录所有的匹配结果                                         */
		/************************************************************************/
		c = regexec(&reg, p, matchsz, pmatch, 0);
		if (REG_NOMATCH == c)
		
			/** 没有找到匹配结束循环 */
			printf("MATCH FINISHED\\n");
			break;
		
		else if (0 == c)
		
			/** 找到匹配,则输出匹配到的所有捕获组(catch group) */
			printf("%d MATCH (%d-%d)\\n", ++matchcount, pmatch[0].rm_so, pmatch[0].rm_eo);
			for (int i = 0; i < matchsz; ++i)
			
				printf("group %d :<<", i);
				print_str(p, pmatch[i].rm_so, pmatch[i].rm_eo);
				printf(">>\\n");
			
			/************************************************************************/
			/* 使用整体匹配捕获组0(group 0)的结束位置的更新偏移量,                  */
			/* 下一次匹配从当前匹配的结束位置开始                                   */
			/************************************************************************/
			offset += pmatch[0].rm_eo;
			continue;
		
		else
		
			/************************************************************************/
			/** regexec 调用出错输出错误信息,结束循环                               */
			/************************************************************************/
			regerror(c, &reg, regerrbuf, sizeof(regerrbuf));
			regerrbuf[sizeof(regerrbuf) - 1] = '\\0';
			printf("%s\\n", regerrbuf);
			break;
		
	 while (1);
	printf("%d MATCH FOUND\\n", matchcount);
	/************************************************************************/
	/** regfree 必须与 regcomp 配对使用,否则会发生内存泄露                  */
	/************************************************************************/
	regfree(&reg);
	return 0;

运行输出：

>gnuregex_test.exe
==GNU Regex Test==
Pattern     :(we|par)([a-z]+)
Input String:hello,welcome to my party
Search start 0
1 MATCH (6-13)
group 0 :<<welcome>>
group 1 :<<we>>
group 2 :<<lcome>>
Search start 13
2 MATCH (7-12)
group 0 :<<party>>
group 1 :<<par>>
group 2 :<<ty>>
Search start 25
MATCH FINISHED
2 MATCH FOUND

说明

1. 调用regcomp时对regex_t对象会有分配内存，所以用完的regex_t对象一定要调用regfree释放，否则会发生内存泄露。
2. 如果只是想判断字符串是否匹配正则表达式，而不关心匹配的位置,在执行regexec可以不需要填保存匹配结果的regmatch_t相关参数,即第3,4个参数(__nmatch,__pmatch)填0.
3. 如果字符串有多个匹配,regexec 不能通过一次调用找到字符串中所有满足匹配条件的字符串位置,所以需要通过步进偏移的方式循环查找字符串中所有匹配的字符串,每一次匹配的起始偏移是上一次匹配到的字符串结束偏移

libgnurx-msvc

以上代码在MSVC和gcc编译运行通过。

因为MSVC没有提供GNU regex库,在windows下编译上面的代码所需要的GNU regex library请参见我另一篇博客
《MSVC下使用gnu regex(正则表达式C语言接口regex.h)》

上面的完整的可编译代码以及GNU regex library for MSVC,我放在了码云仓库：
https://gitee.com/l0km/libgnurx-msvc.git