HOWTO · C
C 语言中的正则表达式
在本文中,我们将讨论 C 语言中的正则表达式。
本页内容
POSIX 正则表达式函数可让 C 程序编译模式、测试字符串,并检查每次测试是否匹配。正则表达式并非 C 语言本身的一部分;本文使用 POSIX <regex.h> 接口。
C 中的 POSIX 正则表达式
正则表达式用于描述文本中的模式。POSIX 提供两种主要的模式语法:基本正则表达式和扩展正则表达式。以下示例通过 REG_EXTENDED 选择扩展语法。
方括号表达式用于匹配集合中的一个字符。例如,[abc] 可匹配 a、b 或 c;[[:digit:]] 可匹配一个数字;[[:alnum:]_] 可匹配字母、数字或下划线;[[:lower:]] 可匹配当前区域设置中的小写字母。POSIX 字符类必须写在方括号表达式内,因此 [:number:] 和 [:word:] 这类形式并不是标准字符类。匹配数字请使用 [[:digit:]];若要匹配字母、数字和下划线,请使用 [[:alnum:]_]。
匹配行为可能受当前区域设置影响,尤其是字符类和大小写折叠。如果应用需要遵循特定区域规则,请明确设置区域设置。POSIX 实现提供此 API,但 C 语言本身并不保证提供它。
使用 regcomp() 编译 POSIX 正则表达式
声明一个 regex_t 对象来保存已编译的表达式,然后将它的地址、以 NUL 结尾的模式以及编译标志传给 regcomp()。使用 REG_EXTENDED 时,+ 等运算符采用扩展正则表达式语法。如果需要忽略大小写匹配,可添加 REG_ICASE;如果不需要子匹配的偏移量,可添加 REG_NOSUB。
编译成功时,regcomp() 返回 0。非零返回值是错误代码,并非 errno 值。可将同一个 regex_t 对象传给 regerror(),以生成诊断信息。只有编译成功后才能调用 regfree()。
使用 regexec() 匹配字符串并释放已编译的正则表达式
将已编译的 regex_t 和一个以 NUL 结尾的字符串传给 regexec()。返回值 0 表示匹配成功,REG_NOMATCH 表示模式未匹配。其他返回值都表示执行错误,可使用 regerror() 将其转换为诊断信息。如果需要子匹配的位置,请提供一个 regmatch_t 项数组及其容量;第一项描述整体匹配的位置。使用 REG_NOSUB 时,不要请求子匹配位置。
这个完整示例会编译一个模式、测试两个字符串,并释放已编译的对象。它通过 regerror() 报告编译和执行诊断信息。根据提供的成功运行结果,程序先输出 match,再输出 no match,并以代码 0 退出。
运行此示例:
本节中的代码以及显示的标签或输出仍为英文。
#include <regex.h>
#include <stddef.h>
#include <stdio.h>
int main(void) {
regex_t re;
const char *pattern = "[[:alpha:]]+";
int status = regcomp(&re, pattern, REG_EXTENDED);
if (status != 0) {
char message[256];
regerror(status, &re, message, sizeof message);
printf("compile: %s\n", message);
return 1;
}
const char *samples[] = {"C language", "123"};
for (size_t i = 0; i < sizeof samples / sizeof samples[0]; ++i) {
status = regexec(&re, samples[i], 0, NULL, 0);
if (status == 0) {
puts("match");
} else if (status == REG_NOMATCH) {
puts("no match");
} else {
char message[256];
regerror(status, &re, message, sizeof message);
printf("execution: %s\n", message);
}
}
regfree(&re);
return 0;
}
match
no match
示例会先检查每个返回值,再据此继续处理;它会保留已编译的表达式,直到两个字符串都测试完毕。根据提供的运行结果,程序以代码 0 退出。示例中的输出标签 match 和 no match 保持英文。此示例需要 POSIX <regex.h> 实现。