C语言用regcomp、regexec、regfree和regerror函数实现正则表达式校验

　　前言

　　　首先，祝大家国庆假期玩的嗨皮！可能有的人已经在回家的路上了，是不是都看不到我的真挚祝福了？

　　　C语言对于一些东西的封装比较少，比如正则表达式，但速度快一直使它立于不败之地，今天就要介绍如何用C封装。

　　　一、正则表达式

　　 1、介绍

　　　　应该都听过正则吧？主要应用在字符串匹配，而且它是通用的，各种语言都支持。例如可以用它匹配IP地址、邮箱等。举个例子说明一下正则有啥用：

　　　　例如，我在的公司，页面用PHP，后台用C，当添加用户邮箱时，我们老大就要求：PHP和C都要对用户输入的用户邮箱进行校验，这时正则表达式就派上用场了。

　　　2、grep命令　　　　

　　　　我会用grep进行简单的举例，所以要简单介绍一下。　　　　

　　　　grep是一种查找过滤工具，正则表达式在grep中用来查找符合模式的字符串。其实正则表达式还有一个重要的应用是验证用户输入是否合法，例如用户通过网页表单提交自己的email地址，就需要用程序验证一下是不是合法的email地址，这个工作可以在网页的Javascript中做，也可以在网站后台的程序中做，例如PHP、Perl、Python、Ruby、Java或C，所有这些语言都支持正则表达式，可以说，目前不支持正则表达式的编程语言实在很少见。

　　　　egrep相当于grep -E，表示采用Extended正则表达式语法。

　　　　注意grep找的是包含某一模式的行，而不是完全匹配某一模式的行。

　　　3、基本语法

　　　　对于正则表达式的语法，我只列出比较常见的，基本就够用了，如果有兴趣的可以再去网上学习，去深入了解。

　　　　字符类

　　　数量限定符

　　　位置限定符

　　举例：查找IP的正则

　　用^[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}$查找

　　其它特殊字符

　　4、分类

　　大致分为两类：Basic正则和Extended正则

　　区别：

　　以上介绍的是grep正则表达式的Extended规范，Basic规范也有这些语法，只是字符?+{}|()应解释为普通字符，要表示上述特殊含义则需要加\转义。如果用grep而不是egrep，并且不加-E参数，则应该遵照Basic规范来写正则表达式。

　　二、正则表达式相关函数

　　C语言处理正则表达式常用的函数有regcomp()、regexec()、regfree()和regerror()

　　C语言中使用正则表达式一般分为三步：

编译正则表达式 regcomp()
匹配正则表达式 regexec()
释放正则表达式 regfree()

　　下边将对三个函数的详细解释。

　　1、regcomp函数

　　功能：这个函数把指定的正则表达式pattern编译成一种特定的数据格式compiled，这样可以使匹配更有效。

　　原型：int regcomp(regex_t *preg, const char *regex, int cflags);

　　参数说明：　

　　regex_t 是一个结构体数据类型，用来存放编译后的正则表达式，它的成员re_nsub 用来存储正则表达式中的子正则表达式的个数，子正则表达式就是用圆括号包起来的部分表达式。

　参数regex：是指向我们写好的正则表达式的指针。

　参数cflags：有如下4个值或者是它们或运算(|)后的值：

REG_EXTENDED 以功能更加强大的扩展正则表达式的方式进行匹配。

REG_ICASE 　匹配字母时忽略大小写。

REG_NOSUB 不用存储匹配后的结果,只返回是否成功匹配。如果设置该标志位，那么在regexec（在下边介绍）将忽略nmatch和pmatch两个参数。

REG_NEWLINE 识别换行符，这样'$'就可以从行尾开始匹配，'^'就可以从行的开头开始匹配。

　　2、regexec函数

　　功能：函数regexec 会使用这个数据在目标文本串中进行模式匹配。　

　　原型：int regexec(const regex_t *preg, const char *string, size_t nmatch,regmatch_t pmatch[], int eflags);

　　先来介绍下参数4中的regmatch_t结构体：　

　　regmatch_t 是一个结构体数据类型，在regex.h中定义：

typedef struct {

regoff_t rm_so;

regoff_t rm_eo;

} regmatch_t;

　　成员rm_so 存放匹配文本串在目标串中的开始位置，rm_eo 存放结束位置。通常我们以数组的形式定义一组这样的结构。

　　参数说明：　

　　preg 是已经用regcomp函数编译好的正则表达式。

　　string 是目标文本串。

　　nmatch 是regmatch_t结构体数组的长度。

　　matchptr regmatch_t类型的结构体数组，存放匹配文本串的位置信息。

　　eflags 有两个值:

　REG_NOTBOL 让特殊字符^无作用

REG_NOTEOL 让特殊字符＄无作用

　　3、regfree函数

　　功能：可以用这个函数清空regex_t结构体的内容　　

　　原型：void regfree(regex_t *preg);

　　4、regerror函数

　　功能：当执行regcomp 或者regexec 产生错误的时候，就可以调用这个函数而返回一个包含错误信息的字符串。

　　原型：size_t regerror(int errcode, const regex_t *preg, char *errbuf,size_t errbuf_size);

　　参数说明：

　　errcode 是由regcomp 和 regexec 函数返回的错误代号。

　　preg 是已经用regcomp函数编译好的正则表达式，这个值可以为NULL。

　　errbuf 指向用来存放错误信息的字符串的内存空间。

　　errbuf_size 指明buffer的长度，如果这个错误信息的长度大于这个值，则regerror 函数会自动截断超出的字符串，但他仍然会返回完整的字符串的长度。所以我们可以用如下的方法先得到错误字符串的长度。

　　三、程序示例

　　输入两个参数，第一个参数：正则表达式，第二个参数：字符串，校验是否匹配，程序如下：

#include <sys/types.h>

#include <regex.h>

#include <stdio.h>

int main(int argc, char ** argv)

{

    if (argc != ) {

        printf("Usage: %s RegexString Text\n", argv[]);

        return ;

    }

    const char * pregexstr = argv[];

    const char * ptext = argv[];

    regex_t oregex;

    int nerrcode = ;

    char szerrmsg[] = {};

    size_t unerrmsglen = ;

    if ((nerrcode = regcomp(&oregex, pregexstr, REG_EXTENDED|REG_NOSUB)) == ) {

        if ((nerrcode = regexec(&oregex, ptext, , NULL, )) == )    {

            printf("%s matches %s\n", ptext, pregexstr);

            regfree(&oregex);

            return ;

        }

    }

    unerrmsglen = regerror(nerrcode, &oregex, szerrmsg, sizeof(szerrmsg));

    unerrmsglen = unerrmsglen < sizeof(szerrmsg) ? unerrmsglen : sizeof(szerrmsg) - ;

    szerrmsg[unerrmsglen] = '\0';

    printf("ErrMsg: %s\n", szerrmsg);

    regfree(&oregex);

    return ;

}

　　演示匹配邮箱：

　　执行：./a.out "^[a-zA-Z0-9]+@[a-zA-Z0-9]+.[a-zA-Z0-9]+" "ldw@itcast.com"

　　演示结果如下：

　　总结

　　希望喜欢的点关注，不迷路哦！会持续更新linux C/C++相关内容，谢谢支持！