正則表達式 c++
- IT科技
- 關注:2.57W次
正則表達式,又稱正規表示法、常規表示法(英語:Regular Expression,在代碼中常簡寫爲regex、regexp或RE)。正則表達式是使用單個字元串來描述、匹配一系列符合某個句法規則的字元串。
在c語言中,用regcomp、regexec、regfree 和regerror處理正則表達式。處理正則表達式分三步:
1、編譯正則表達式,regcomp;
2、匹配正則表達式,regexec;
3、釋放正則表達式,regfree。
下邊是對三個函數的詳細解釋
1、int regcomp (regex_t *compiled, const char *pattern, int cflags)
這個函數把指定的正則表達式pattern編譯成一種特定的數據格式compiled,這樣可以使匹配更有效。函數regexec 會使用這個數據在目標文字串中進行模式匹配。執行成功返回0。
參數說明:
①regex_t 是一個結構體數據類型,用來存放編譯後的正則表達式,它的成員re_nsub 用來存儲正則表達式中的子正則表達式的個數,子正則表達式就是用圓括號包起來的部分表達式。
②pattern 是指向我們寫好的正則表達式的指針。
③cflags 有如下4個值或者是它們或運算(|)後的值:
REG_EXTENDED 以功能更加強大的擴展正則表達式的方式進行匹配。
REG_ICASE 匹配字母時忽略大小寫。
REG_NOSUB 不用存儲匹配後的結果。
REG_NEWLINE 識別換行符,這樣'$'就可以從行尾開始匹配,'^'就可以從行的開頭開始匹配。
2. int regexec (regex_t *compiled, char *string, size_t nmatch, regmatch_t matchptr [], int eflags)
當我們編譯好正則表達式後,就可以用regexec 匹配我們的目標文字串了,如果在編譯正則表達式的時候沒有指定cflags的參數爲REG_NEWLINE,則默認情況下是忽略換行符的,也就是把整個文字串當作一個字元串處理。執行成功返回0。
regmatch_t 是一個結構體數據類型,在regex.h中定義:
typedef struct
{
regoff_t rm_so;
regoff_t rm_eo;
} regmatch_t;
成員rm_so 存放匹配文字串在目標串中的開始位置,rm_eo 存放結束位置。通常我們以數組的形式定義一組這樣的結構。因爲往往我們的正則表達式中還包含子正則表達式。數組0單元存放主正則表達式位置,後邊的單元依次存放子正則表達式位置。
參數說明:
①compiled 是已經用regcomp函數編譯好的正則表達式。
②string 是目標文字串。
③nmatch 是regmatch_t結構體數組的長度。
④matchptr regmatch_t類型的結構體數組,存放匹配文字串的位置資訊。
⑤eflags 有兩個值
REG_NOTBOL 按我的理解是如果指定了這個值,那麼'^'就不會從我們的目標串開始匹配。總之我到現在還不是很明白這個參數的意義;
REG_NOTEOL 和上邊那個作用差不多,不過這個指定結束end of line。
3. void regfree (regex_t *compiled)
當我們使用完編譯好的正則表達式後,或者要重新編譯其他正則表達式的時候,我們可以用這個函數清空compiled指向的regex_t結構體的內容,請記住,如果是重新編譯的話,一定要先清空regex_t結構體。
4. size_t regerror (int errcode, regex_t *compiled, char *buffer, size_t length)
當執行regcomp 或者regexec 產生錯誤的時候,就可以調用這個函數而返回一個包含錯誤資訊的字元串。
參數說明:
①errcode 是由regcomp 和 regexec 函數返回的錯誤代號。
②compiled 是已經用regcomp函數編譯好的正則表達式,這個值可以爲NULL。
③buffer 指向用來存放錯誤資訊的字元串的內存空間。
④length 指明buffer的長度,如果這個錯誤資訊的長度大於這個值,則regerror 函數會自動截斷超出的字元串,但他仍然會返回完整的字元串的長度。所以我們可以用如下的方法先得到錯誤字元串的長度。
size_t length = regerror (errcode, compiled, NULL, 0);
關於c++ 中處理正則表達式的方法,我們就分享到這啦!
- 文章版權屬於文章作者所有,轉載請註明 https://shqsg.com/zh-hant/dianzi/g385ow.html