REGEX.C GNU 提取过滤数据

今天被@SVCHAO  勾起兴趣来了。。 有把正则表达式兴趣捡起来了，试了下notepad++基本上语法倒是没有忘记，不过如果是用在嵌入式的方案的话，似乎还是有点费劲的。

先mark一个基础语法。

单个字符匹配

采用方括号描述，例如[0135678]表示0 1 3 5 6 7 8 都可以通过该次匹配

采用方括号排除，例如[^azAZ]表示除了a z A 和Z 全部可以通过该字节匹配

允许使用-表示范围，例如[0-9a-zA-Z]表示所有数字跟字母

常用单个字符存在通用表达方式，例如w 表示[0-9a-zA-Z] 剩下的慢慢补充

采用{}表示匹配次数描述，例如w{2}表示连续两个字符都是数字或者字母

采用()捕获比较结果…

以上内容自行科普。

为了适应使用场景为嵌入式 找到了这个demo

slre（Github Super Light Regular Expression library）

但是我好像不支持{},而且没找到贪婪相关的… 所以暂时搁置

后来说熟悉一下GNU里面的regex.h

发现跟python的regex接口很像 应该是posix的原因。

坑爹的虚拟机 很久没更新了，折腾了一会环境之后总算是测试出效果了。

#include <stdio.h>
#include <sys/types.h>
#include <regex.h>

int main(int char_c,char** char_v)
{
    char* p_str = "  Url        =  www.google.com.hk ;";
    char* p_reg = " {0,}(\S+) {0,}= {0,}(\S+) {0,};";

    regex_t reg;
    regmatch_t matchs[20];
    memset(matchs,0,sizeof(matchs));
    int r;

    r = regcomp(&reg, p_reg, REG_EXTENDED);

    r = regexec(&reg, p_str, 20, matchs, 0);

    return 0;
}

因为是自己测试用的代码，所以并没有特地去做输出、直接断点打下来看就知道结果了，

其中REG_EXTENDED一定要加，不然某些特性用不了，

还有一个奇怪的点就是，matchs[0]中会存放一个整个p_reg的匹配范围，所以如果是只需要提取我们定义中()的目标结果的话、

从p_reg[1]开始就好了。

顺手吐槽下C的字符串语法、调了好久… 结果是跟\的锅… 不过似乎也没什么更高效的方案。

下一步如果再用到的话，可能就是手动往SLRE里面添加贪婪的部分、或者找到GNU的regex.c进行裁剪了…

到时候再说

#include <stdio.h>
#include <sys/types.h>
#include <regex.h>
#include <string.h>

int main(int char_c, char** char_v) {
    char* p_str = "  Url        =  www.google.com.hk ;";
    char* p_reg = " {0,}(\S+) {0,}= {0,}(\S+) {0,};";

    regex_t reg;
    regmatch_t matchs[20];
    int r, i;

    r = regcomp(&reg, p_reg, REG_EXTENDED);
    if (r != 0) {
        printf("err");
    }

    r = regexec(&reg, p_str, 20, matchs, 0);
    if (r != 0) {
        printf("err");
    }

    for (i = 0; i < 20; i++) {
        int start_index = matchs[i].rm_so;
        int end_index = matchs[i].rm_eo;
        int len = end_index - start_index;

        if (start_index >= 0) {
            char dis_buffer[256];
            strncpy(dis_buffer, &p_str[start_index], len);
            dis_buffer[len]='';
            printf("catch:%s
",dis_buffer);
        }
    }

    return 0;
}

鉴于我抓输出抓了很久… 我决定还是把数据捕获的代码贴出来…

使用环境为G++ with eclipse-cdt

debug用习惯了就没换IDE

catch:  Url        =  www.google.com.hk ;
catch:Url
catch:www.google.com.hk

测试输出结果是正确的…