C语言使用正则表达式
据说一个好的程序员是会使用DB和Regular Expression的程序
员，可见两者是多么重要。正则表达式是能极大地提高工作效率的工具，使用过Linux下各种具备RE特性的工具的人一定对此深有感触。很多语言都支持RE，用的最多的当然是脚本，其中以perl最盛。不过，用C语言来用RE不是很多见，但是有时候也很有用，我最近也是看到别人说道这个，所以搜了一些资料加上自己的体会来说一说RE在C语言里的应用。C语言本身不具备RE特性，但是有很多库，在Linux下你可以很方便的使用regex.h提供的库。我先贴一段代码展示一下RE在C语言里是怎么用的
1 #include
2 #include
3 #include
7 int main(){ 8
9 char *bematch = \; 10 char *pattern = \; 11 char errbuf[1024]; 12 char match[100];
13 regex_t reg;
14 int err,nm = 10; 15 regmatch_t pmatch[nm]; 16
17 if((err=regcomp(®,pattern,REG_EXTENDED)) < 0){ 18 regerror(err,®,errbuf,sizeof(errbuf)); 19 printf(\,errbuf); 20 }
21
22 err = regexec(®,bematch,nm,pmatch,0); 23
24 if(err == REG_NOMATCH){ 25 printf(\); 26 exit(-1);
27 }else if(err){
28 regerror(err,®,errbuf,sizeof(errbuf)); 29 printf(\,errbuf); 30 exit(-1); 31 } 32 33 34 35 36 37 38 39 40
for(int i=0;i<10 && pmatch[i].rm_so!=-1;i++){ int len = pmatch[i].rm_eo-pmatch[i].rm_so; if(len){
memset(match,'\\0',sizeof(match));
memcpy(match,bematch+pmatch[i].rm_so,len); printf(\,match); } }
41 return 0; 42 }
我打算看看一个邮件地址是否匹配我所提供的pattern。这个邮件地址是
hhhericchd@gmail.com patern为
\
我们希望匹配一个以3个h字符接着为任意字符串（可以为空）直到遇到一个@，然后接5个任意的字符和一个.号，最后再接一个字符串（可以为空），我们运行得到的结果是 hhhericchd@gmail.com ericchd
com
我们发现，这个邮件地址被匹配了，第一行输出了，第二行和第三行分别输出的是我们希望得到的匹配的一部分，也就是在pattern中用括号括起来的部分。在这里我们还发现，在C语言里使用RE表达式的时候和通常的UNIX一般的RE表达式有区别：
第一、\\{\\}和\\(\\)需要改成{}和(),因为在C语言反斜杠是转移字符用的
第二、.不需要转义，不想UNIX的RE那样需要\\.，但是?和*我没有找到该怎么用
下面贴上对以上所用函数的一些解释 regex的使用
需要用到以下几个函数。（定义在/usr/include/regex.h文件中） 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)
size_t regerror (int errcode, regex_t *compiled, char *buffer, size_t length)
1.int regcomp (regex_t *compiled, const char *pattern, int cflags)
这个函数把指定的规则表达式pattern编译成一种特定的数据格式compiled，这样可以使匹配更有效。函数regexec 会使用这个数据在目标文
本串中进行模式匹配。执行成功返回０。
regex_t 是一个结构体数据类型，用来存放编译后的规则表达式，它的成员re_nsub 用来存储规则表达式中的子 规则表达式的个数，子规则表达式就是用圆括号包起来的部分表达式。
pattern 是指向我们写好的规则表达式的指针。 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规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。
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. int regexec (regex_t *compiled, char *string, size_t nmatch, regmatch_t matchptr [], int eflags)
当我们编译好规则表达式后，就可以用regexec 匹配我们的目标文本
串了，如果在编译规则表达式的时候没有指定cflags的参数为REG_NEWLINE，则默认情况下是忽略换行符的，也就是把整个文本串当作一个字符串处理。执行成功返回０。
regmatch_t 是一个结构体数据类型，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。因为往往我们的规则表达式中还包含子规则表达式。数组0单元存放主规则表达式位置，后边的单元依次存放子规则表达式位置。
compiled 是已经用regcomp函数编译好的规则表达式。 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 按我的理解是如果指定了这个值，那么'^'就不会从我们的目标串开始匹配。总之我到现在还不是很明白这个参数的意义， 原文如下：
If this bit is set, then the beginning-of-line operator doesn't match the beginning of the
string (presumably because it's not the beginning of