GUN C正则表达式

最近项目中要处理文本,因此就用了gun的正则表达式,它是posix风格的..我们一般使用的都是perl风格的,所以一开始使用可能会有一些不习惯.详细的区别可以在wiki上看到:

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

头文件是regex.h可以在里面看到他所提供的接口.这里主要是3个函数和一个结构体:

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种或者几种的组合:

REG_EXTENDED
使用 扩展的 posix  Regular Expressions.
REG_ICASE
忽略大小写
REG_NOSUB
不存储匹配结果,只返回是否匹配成功.
REG_NEWLINE
可以匹配换行.

regexec执行匹配.compiled为刚才编译好的正则表达式,string为将要匹配的字符串,nmatch为后面的结构体数组的长度(regmatch_t).matchptr为regmatch_t的一个数组(也就是存储着像perl里面的$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,而不是一行的结束
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为结束位置.

说了这么多,其实使用很简单的:

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.

然后看个例子吧:

#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;
}

很简单一个例子, 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.

也谈谈自己的体会吧,那就是真不好用,不管是提供的接口还是posix风格的正则.而且据说是效率比较低下.因此如果有机会下次准备试试boost得正则或者pcre了..