zoukankan      html  css  js  c++  java

  • 深入浅出C/C++中的正则表达式库

    写在前面: 本文是面向有正则表达式基础的读者朋友的，如果你还不知道正则表达式是什么，请先到这里学习一下 ;-) ：http://en.wikipedia.org/wiki/Regular_expression。

    正则表达式(Regular Expressions)，又被称为regex或regexp，是一种十分简便、灵活的文本处理工具。它可以用来精确地找出某文本中匹配某种指定规则的内容。在Linux下，grep, sed, awk等工具都支持正则表达式，这些工具的存在，为我们日常的文本处理带来了极大的便利。但是，有时候，我们自己写的程序中也需要用到正则表达式来处理一些文本，这时候就需要一些正则表达式库的支持了。由于我本人是用C/C++做为主要开发语言的，所以，在本文以及接下来的几篇文章中，我将介绍几个常用的C/C++的正则表达式的库，通过我的介绍，以及对具体的使用进行举例，希望能够给读者朋友在C/C++程序中使用正则表达式时有点帮助，这将是我莫大的荣幸。

    当前，据我所知，在C/C++中常用的正则表达式库有GNU Regex Library, Boost.Regex, PCRE, PCRE++。这四个库中，后面两个是有关系，其它都是各自己独立的，是不同的实现。因此我会分三次，来一一对这四个库进行介绍。今天首先介绍一下GNU Regex Library。

    1. 什么是GNU正则表达式库(GNU Regex Library) ?
    GNU正则表达式库是glibc(GNU C Library)的一部分，它提供与POSIX标准兼容的正则表达式匹配的接口。
    这里是其主页：http://www.gnu.org/s/libc/manual/html_node/Regular-Expressions.html
    下载该库点这里：gnuregex0_13

    2. GNU Regex Library所提供的接口
    （1）regcomp:

        int regcomp(regex_t *preg, const char *pattern, int cflags)  
    功能:将要进行匹配的正则表达式pattern进行编译，做匹配前的准备工作  
    参数: preg, 输出参数，用来保存编译后的正则表达式结果  
          pattern, 输入参数，传入要进行编译的正则表达式的字符串  
          cflags, 输入参数，用来指定正则表达式匹配过程中的一些选项  
    返回值:编译成功返回0，失败返回非0的错误码

    （2）regexec:

    int regexec(const regex_t *preg, const char *string, size_t nmatch, regmatch_t pmatch[], int eflags)  
功能:用来检测字符串string是否匹配正则表达式preg  
参数: preg, 输入参数，在(1)regcomp中编译好的正则表达式规则  
      string, 输入参数，用来被匹配的字符串  
      nmatch, 输入参数，用来指定pmatch参数所对应的数组的长度  
      pmatch, 输出参数，用来输出在string中匹配preg的具体位置  
      eflag, 输入参数，用来指定正则表达式匹配过程中的一些选项  
返回值: 如果string匹配preg所指定的规则，则返回0， 否则返回非0

    3）regerror:

     size_t regerror(int errcode, const regex_t *preg, char *errbuf, size_t errbuf_size)  
功能:用来把在regcompt和regexec中产生的错误码转化成字符串形式的错误信息  
参数: errcode, 输入参数，在regcomp或regexec调用中返回的错误码  
      preg, 输入参数，与错误码所对应的编译过的正则表达式结构  
      errbuf, 输出参数，用来返回错误信息的buffer，如果buffer不够所需大小，错误信息将被截断  
      errbuf_size, 输入参数，返回错误信息的buffer的大小   
返回值: 如果errbuf_size为0，那么regerror返回错误信息所需要的buffer的大小

    （4）regfree:

        void regfree (regex_t *preg)  
    功能: 用来释放由regcomp编译时生成的preg结构所占用的内存  
    参数: preg, 输入参数，由regcomp编译时生成的正则表达的结构指针  
    返回值: 无

    3. 使用GNU Regex Library的一些注意事项
    （1）regcomp与regfree必须配对使用，要不然会造成内存泄漏（类比malloc/free, new/delete)
    （2）regex_t结构：把字符串形式的正则表达式编译成regex_t这样的一个结构，方便后续的匹配工作
    （3）regmatch_t结构：用来表示正则表达式中字符串中匹配的位置的结构，用起始位置的偏移量来表示的
    （4）flags：用来配置匹配过程中的一些选项, 指定如何匹配，具体参见：http://www.opengroup.org/onlinepubs/007908799/xsh/regcomp.html
    （5）使用该库需要包含的头文件：sys/types.h和regex .h



    4. GNU Regex Library使用举例

    [cpp] 

    <span style=></span><pre = name=>#include <sys /types.h>  

    •   
    • #include <stdio .h> int argc,  ** argv)  
    • {  
    •  (argc != 3)  
    •     {  
    •  1;  
    •   * pRegexStr = argv[1];  
    •       * pText = argv[2];  
    •  nErrCode = 0;  
    •      szErrMsg[1024] = {0};  
    •  unErrMsgLen = 0;  
    •    
    •  ((nErrCode = regcomp(&oRegex, pRegexStr, 0)) == 0)  
    •     {  
    •  ((nErrCode = regexec(&oRegex, pText, 0, NULL, 0)) == 0)  
    •         {  
    •  0;  
    •         }  
    • (szErrMsg));  
    •     unErrMsgLen = unErrMsgLen < (szErrMsg) ? unErrMsgLen : (szErrMsg) - 1;  
    • ;  
    •     printf(  1;  
    • }  
    • </pre>  

    程序测试：

    [cpp] 

    wuzesheng@wuzesheng-ubuntu:~/Program$ gcc TestRegex.c -o Regex  

    • wuzesheng@wuzesheng-ubuntu:~/Program$ ./Regex    
    •    
    • //www.taobao.com matches http://www..*.com  

    以上即是关于GNU Regex Library的全部内容。如果读书者朋友有什么看法可以在下面给我留言。接下来几天，我会陆续介绍前面提到的其它几个库，今天先到这里。

    写在前面：本文是《深入浅出C/C++中的正则表达式库》系列的第二篇，如果对本文感兴趣，相信你也会对《深入浅出C/C++中的正则表达式库——GNU Regex Library》感兴趣。本文主要介绍Boost中的正则表达式库，通过介绍其基本内容与相关接口，希望能够教读者朋友学会如何使用该库。

    1. 什么是Boost.Regex? 
    Boost是C++中仅次于STL的一套库，它的功能比STL更加全面。这里是Boost的主页，想了解Boost的朋友可以看一下：http://www.boost.org/doc/libs/1_37_0/libs/regex/doc/html/index.html。需要说明的一点是，Boost目前还不是C++标准库的一部分，因此如果要使用Boost中的库，需要自己安装一下。

    Boost.Regex是Boost中的正则表达式库，它是由John Maddock提供的，它的全部文档在这里：http://www.boost.org/doc/libs/1_37_0/libs/regex/doc/html/index.html

    2. Boost.Regex的编译
    最新的Boost库是1.42.0，在使用Boost.Regex之前，需要先下载Boost库，可以通过下面两种方式下载：
    （1）Http下载，下载地址是http://sourceforge.net/projects/boost/files/boost/1.42.0/
    （2）用svn客户端来下载，地址是：http://svn.boost.org/svn/boost/trunk/
    我个人比较推荐使用svn客户端来下载，这样的话，如果要更新直接svn update一下，就不用再去重新下载了。

    下载好了Boost库，下面开始编译, 本文中我以Linux平台为例进行说明，其它平台的编译方法参见上面提到的文档。下面是具体的步骤：(假设下载完后的，代码解压在了BOOST_ROOT目录)
    （1）进入到BOOST_ROOT/libs/regex/build目录
    （2）如果要使用静态库，请执行make -fgcc.mak
    （3）如果要使用静态库，请执行make -fgcc-shared.mak
    执行完上面三步后的，在BOOST_ROOT/libs/regex/build/下会生成一个gcc目录 ，进入该目录 ，可以看到生成了下面四个文件:
    （1）libboost_regex-gcc-1_42.a , 这是release版的静态库
    （2）libboost_regex-gcc-1_42.so, 这是release版的动态库（共享库）
    （3）libboost_regex-gcc-d-1_42.a, 这是debug版的静态库
    （4）libboost_regex-gcc-d-1_42.so, 这里debug版的动态库（共享库）
    编译好之后的，就可以开始使用了。这里提供一个我编译好的版本，如果读者朋友不想自己编译，可以直接从我这里下载使用，下载完记得校验一下MD5: b6e0d805ea22ba08cb230ca98a517953。
    点此下载：libboost_regex.tar.gz。

    3. Boost Regex Libray类和接口介绍
    （1）basic_regex
    basic_regex是一个模板类，它封装了正则表达式的解析和编译，它是Boost.Regex中用来表示正则表达式的对象类型。Boost.Regex定义了两种标准类型，一种是基于单字节字符的regex，另一种是基于宽字符的wregex
    关于basic_regex提供的接口，和STL中basic_string所提供的十分类似，具体可以参考：
    http://www.boost.org/doc/libs/1_37_0/libs/regex/doc/html/boost_regex/ref/basic_regex.html

    （2）match_results
    match_results是用来表示所有匹配指定正则表达式的字符串的集合的对象类型。Boost.Regex提供了四种标准类型的定义：C单字节字符类型的cmatch, C宽字符类型的wcmatch, C++单字节字符类型smatch, C++宽字符类型wsmatch。match_results所提供的接口参见：
    http://www.boost.org/doc/libs/1_37_0/libs/regex/doc/html/boost_regex/ref/match_results.html

    （3）sub_match
    sub_match是用来表示匹配指定正则表达式的字符串的对象类型。match_results就是由sub_match组成的集合类型。
    关于sub_match类型，有下面三点需要注意的：
    a. sub_match类型的对象只能通过对match_results类型的对象取下标获取
    b. sub_match类型的对象可以和std:basic_string或const char*的字符串进行比较
    c. sub_match类型的对象可以和std::basic_string或const char*的字符串相加，生成新的std::basic_string类型的字符串
    sub_match所提供的接口请参考：
    http://www.boost.org/doc/libs/1_37_0/libs/regex/doc/html/boost_regex/ref/sub_match.html

    （4）reg_match, reg_search和reg_replace
    reg_match, reg_search和reg_replace都是Boost.Regex所提供的具体进行正则匹配的算法接口。
    reg_match用来判定整个字符串是否匹配指定的的正则表达式, 具体定义参见：
    http://www.boost.org/doc/libs/1_37_0/libs/regex/doc/html/boost_regex/ref/regex_match.html
    reg_search用来判定字符串的某一部分是否匹配指定的正则表达式, 具体定义参见：
    http://www.boost.org/doc/libs/1_37_0/libs/regex/doc/html/boost_regex/ref/regex_search.html
    reg_replace用来把字符串中匹配指定正则表达式的部分替换为指定内容输出，对于不匹配的部分原样输出, 具体定义参见：
    http://www.boost.org/doc/libs/1_37_0/libs/regex/doc/html/boost_regex/ref/regex_replace.html

    4. Boost Regex Libray使用注意事项
    （1）在使用之前你需要把Boost的安装目录加入到系统的Path中（当然也可以在编译时直接指定）
    （2）需要包含的头文件 boost/regex.hpp
    （3）需要依赖的库：下载2中编译好的libboost.tar.gz，取其中任意一个即可，具体如何使用动态/静态库，请自己查阅相关资料
    （4）Boost.Regex还提供对Unicode类型的支持，具体细节参加上面提到的文档，我这里不做介绍

    5. Boost.Regex使用举例
    下面是Boost.Regex使用的一个简单的例子：

    [cpp] 

    <span style=></span> <pre = name=>#include <string>  

    •   
    • #include "boost/regex.hpp" int argc,  ** argv)  
    •  (argc != 4)  
    •  1;  
    •  (atoi(argv[1]))  
    •  0:  
    • (boost::regex_match(strStr, oResults, oRegex))  
    •             {     
    • ;  
    •             }     
    •   
    •             {     
    • ;  
    •             }     
    • ;  
    •          1:  
    • (boost::regex_search(strStr, oResults, oRegex))  
    •             {  
    • ;  
    •             }  
    •   
    •             {  
    • ;  
    •             }  
    • ;  
    •          2:  
    • );  
    •             std::cout <<  << strRes << ;  
    • ;  
    •         :  
    • ;  
    •             ;  
    • </pre>  

    下面是程序运行的结果：

    [cpp] 

    wuzesheng@wuzesheng-ubuntu:~/Program$ !g++  

    • g++ -I./boost_1_42_0 BoostRegex.cpp -L ./boost_1_42_0/libs/regex/build/gcc/ -lboost_regex-gcc-1_42 -o BoostRegex  
    •    
    • http:  
    •    
    • http:  
    •    
    • strRes=$jfj  

    以上即是Boost.Regex的主要的内容以及具体使用的一些情况。这里我需要说明一下，由于Boost.Regex所提供的像basic_regex, match_results, sub_match这些类型，它们的封装与C++中string等其它stl容器的封装很相似，因此使用过程中可以做联想类比，以加深理解。另外，像regex_match, regex_search, regex_replace这些算法都是模板函数，而且都有多个重载版本，在使用的时候，注意选择适合自己的应用场景的版本。

    写在前面：本文是《深入浅出C/C++中的正则表达式库》系列的第三篇，本文的主要内容是介绍PCRE和PCRE++，因为它们两个是很有渊源的，所以放在一起讲。

    1. 什么是PCRE? 什么是PCRE++?PCRE，全称是Perl Compatible Regular Expressions。从名字我们可以看出PCRE库是与Perl中正则表达式相兼容的一个正则表达式库。PCRE是免费开源的库，它是由C语言实现的，这里是它的官方主页：http://www.pcre.org/，感兴趣的朋友可以在这里了解更多的内容。要得到PCRE库，可以从这里下载：http://sourceforge.net/projects/pcre/files/

    PCRE++是一个对PCRE库的C++封装，它提供了更加方便、易用的C++接口。这里是它的官方主页：http://www.daemon.de/PCRE，感兴趣的朋友可以在这里了解更多的内容。要得到PCRE++库，可以从这里下载：http://www.daemon.de/PcreDownload2. PCRE接口介绍（1）. pcre_compile

    [cpp] 

    pcre <span style=>*</span>pcre_compile<span style=>(</span><span style=></span> <span style=></span> <span style=>*</span>pattern, <span style=></span> options,<span style=></span> <span style=></span> <span style=>**</span>errptr, <span style=></span> <span style=>*</span>erroffset, <span style=></span> <span style=>unsigned</span> <span style=></span> <span style=>*</span>tableptr<span style=>)</span><span style=>;</span>  

    • 功能：编译指定的正则表达式  
    • >NULL</span>, 使用缺省的字符表  
    • 返回值：被编译好的正则表达式的pcre内部表示结构  

    （2）. pcre_exec

    [cpp] 

    <strong></strong><pre = name=> pcre_exec( pcre *code,  pcre_extra *extra,   *subject,  length,  startoffset,  options,  *ovector,  ovecsize);  

    • 功能：用来检查某个字符串是否与指定的正则表达式匹配  
    • </pre>  

    3. PCRE++接口介绍 
    PCRE++把PCRE库封装成了两个类，一个是RE_Options, 用来指定匹配选项，一个是RE，用来提供匹配相关的接口。RE_options类在这里我就不介绍了，我主要介绍一下RE类：
    （1）RE的构造函数传入正则表达式，并在构造函数中调用Init函数，将该正则表达进行编译
    （2）RE的pattern()成员用来得到初始传入的正则表达式字符串
    （3）RE的error()成员用来得到匹配过程中的出错信息
    （4）RE的FullMatch()成员用来判断某字符串整体是否匹配指定正则表达式
    （5）RE的PartialMatch()成员用来判断某字符串的部分是否匹配指定正则表达式

    4. PCRE/PCRE++使用注意事项
    （1）使用pcre请包含pcre.h头文件
    （2）使用pcre_compile, pcre_exec后，记得调用pcre_free释放内存，以免造成内存泄露
    （3）使用pcre编译的时候需要依赖libpcre.a
    （4）使用pcre++请包含pcrecpp.h头文件
    （5）使用pcre++，RE类的析构函数会自动释放相关内存，因此不用担心内存泄露
    （6）使用pcre++编译的时候需要依赖libpcrecpp.a
    （7）使用pcrecpp要使用pcrecpp命名空间

    5. PCRE使用举例
    下面是例程：

    [cpp] 

    <span style=></span><pre = name=>#include <pcre .h>  

    •   
    • #include <string .h> int argc,  ** argv)  
    • {  
    •  (argc != 3)  
    •     {     
    •  1;  
    •   * pPattern = argv[1];  
    •       * pText = argv[2];  
    •   * pErrMsg = NULL;  
    •     pcre * pPcre = NULL;  
    •  nOffset = -1;   
    •    
    •  (NULL == (pPcre = pcre_compile(pPattern, 0, &pErrMsg, &nOffset, NULL)))  
    •     {     
    •  1;  
    •   
    •  (pcre_exec(pPcre, NULL, pText, strlen(pText), 0, 0, NULL, 0) < 0)  
    •   
    • </pre>  

    下面是运行结果：

    [cpp] 

    wuzesheng@wuzesheng-ubuntu:~/Program$ !g++  

    • g++ -lpcre TestPcre.cpp -o pcre  
    •    
    • http:  
    •    
    • http:  

    6. PCRE++使用举例
    下面是例程：

    [cpp] 

    <span style=></span><pre = name=>#include <iostream>  

    •   
    • int argc,  ** argv)  
    •  (argc != 3)  
    •  1;  
    •     }     
    •  (oPattern.FullMatch(argv[2]))  
    •     {     
    • ;  
    •     }     
    •   (oPattern.PartialMatch(argv[2]))  
    •     {     
    • ;  
    •     }     
    •   
    •     {     
    • ;  
    •     }     
    • }</pre><br>  

    下面是运行结果：

    [cpp] 

    wuzesheng@wuzesheng-ubuntu:~/Program$ g++ TestPcreCpp.cpp -lpcrecpp -o pcrecpp  

    • wuzesheng@wuzesheng-ubuntu:~/Program$ ./pcrecpp   
    •    
    • //www.qq.com fully matches http://.*.qq.com    
    • //www.qq.comiii partially matches http://.*.qq.com    
    • //www.qqq.comiii dose not match http://.*.qq.com  


    以上即是关于PCRE和PCRE++库介绍的全部内容，由于内容比较多，我只介绍了一些关键的接口及其用法，如果读者朋友想更加深入的了解其它的接口，可以参考我上面提到的官方网站，另外linux下的manual也是很好的参考资料。在shell下执行man pcre和man pcrecpp便可得到很详细的资料。


    转自：

    http://www.wuzesheng.com/?p=929

    http://www.wuzesheng.com/?p=965

    http://www.wuzesheng.com/?p=994
  • 相关阅读:
    Mr. Frog’s Game（模拟连连看）
    Comparison of Android versions（strcmp的应用）
    Android热门网络框架Volley详解
    Android中你应该知道的设计模式
    从高德 SDK 学习 Android 动态加载资源
    Android中多线程下载列表的封装实现(含进度反馈)
    判断App是否在后台运行
    信息安全领域有哪些非常棒的资源？
    Android应用发布后的统计——百度移动统计的应用
    面试时，问哪些问题能试出一个Android应用开发者真正的水平？
  • 原文地址：https://www.cnblogs.com/catgatp/p/8052556.html
Copyright © 2011-2022 走看看