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

<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：

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。

<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：

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

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

<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：

<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：

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

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

6. PCRE++使用举例
下面是例程：

<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：

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