C/C++中的正則表達式庫GNU Regex Library&PCRE/PCRE++

一、GNU Regex Library

1. 什麼是GNU正則表達式庫(GNU Regex Library) ?
GNU正則表達式庫是glibc(GNU C Library)的一部分，它提供與POSIX標准兼容的正則表達式匹配的接口。
這裡是其主頁：http://www.gnu.org/s/libc/manual/html_node/Regular-Expressions.html
下載該庫點這裡：gnuregex0_13

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

1
2
3
4
5
6

int regcomp(regex_t *preg, const char *pattern, int cflags)
功能:將要進行匹配的正則表達式pattern進行編譯，做匹配前的准備工作
參數: preg, 輸出參數，用來保存編譯後的正則表達式結果
      pattern, 輸入參數，傳入要進行編譯的正則表達式的字符串
      cflags, 輸入參數，用來指定正則表達式匹配過程中的一些選項
返回值:編譯成功返回0，失敗返回非0的錯誤碼

（2）regexec:

1
2
3
4
5
6
7
8
9

int regexec(const regex_t *preg, const char *string, size_t nmatch, regmatch_t pmatch[], 
            int eflags)
功能:用來檢測字符串string是否匹配正則表達式preg
參數: preg, 輸入參數，在(1)regcomp中編譯好的正則表達式規則
      string, 輸入參數，用來被匹配的字符串
      nmatch, 輸入參數，用來指定pmatch參數所對應的數組的長度
      pmatch, 輸出參數，用來輸出在string中匹配preg的具體位置
      eflag, 輸入參數，用來指定正則表達式匹配過程中的一些選項
返回值: 如果string匹配preg所指定的規則，則返回0， 否則返回非0

（3）regerror:

1
2
3
4
5
6
7

size_t regerror(int errcode, const regex_t *preg, char *errbuf, size_t errbuf_size)
功能:用來把在regcompt和regexec中產生的錯誤碼轉化成字符串形式的錯誤信息
參數: errcode, 輸入參數，在regcomp或regexec調用中返回的錯誤碼
      preg, 輸入參數，與錯誤碼所對應的編譯過的正則表達式結構
      errbuf, 輸出參數，用來返回錯誤信息的buffer，如果buffer不夠所需大小，錯誤信息將被截斷
      errbuf_size, 輸入參數，返回錯誤信息的buffer的大小 
返回值: 如果errbuf_size為0，那麼regerror返回錯誤信息所需要的buffer的大小

（4）regfree:

1
2
3
4

void regfree (regex_t *preg)
功能: 用來釋放由regcomp編譯時生成的preg結構所占用的內存
參數: preg, 輸入參數，由regcomp編譯時生成的正則表達的結構指針
返回值: 無

3. 使用GNU Regex Library的一些注意事項
（1）regcomp與regfree必須配對使用，要不然會造成內存洩漏（類比malloc/free, new/delete)
（2）regex_t結構：把字符串形式的正則表達式編譯成regex_t這樣的一個結構，方便後續的匹配工作
（3）regmatch_t結構：用來表示正則表達式中字符串中匹配的位置的結構，用起始位置的偏移量來表示的
（4）flags：用來配置匹配過程中的一些選項, 指定如何匹配，具體參見：http://www.opengroup.org/onlinepubs/007908799/xsh/regcomp.html
（5）使用該庫需要包含的頭文件：sys/types.h和regex .h

4. GNU Regex Library使用舉例

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38

#include <sys /types.h>
#include <regex .h>
#include <stdio .h>
 
int main(int argc, char ** argv)
{
    if (argc != 3)
    {
        printf("Usage: %s RegexString Text\n", argv[0]);
        return 1;
    }
 
    const char * pRegexStr = argv[1];
    const char * pText = argv[2];
 
    regex_t oRegex;
    int nErrCode = 0;
    char szErrMsg[1024] = {0};
    size_t unErrMsgLen = 0;
 
    if ((nErrCode = regcomp(&oRegex, pRegexStr, 0)) == 0)
    {
        if ((nErrCode = regexec(&oRegex, pText, 0, NULL, 0)) == 0)
        {
            printf("%s matches %s\n", pText, pRegexStr);
            regfree(&oRegex);
            return 0;
        }
    }
 
    unErrMsgLen = regerror(nErrCode, &oRegex, szErrMsg, sizeof(szErrMsg));
    unErrMsgLen = unErrMsgLen < sizeof(szErrMsg) ? unErrMsgLen : sizeof(szErrMsg) - 1;
    szErrMsg[unErrMsgLen] = '\0';
    printf("ErrMsg: %s\n", szErrMsg);
 
    regfree(&oRegex);
    return 1;
}

程序測試：

1
2
3
4
5

[email protected]:~/Program$ gcc TestRegex.c -o Regex
[email protected]:~/Program$ ./Regex "http:\/\/www\..*\.com" "https://www.taobao.com"
ErrMsg: No match
[email protected]:~/Program$ ./Regex "http:\/\/www\..*\.com" "http://www.taobao.com"
http://www.taobao.com matches http:\/\/www\..*\.com

二、PCRE、PCRE++

1. 什麼是PCRE? 什麼是PCRE++?
PCRE，全稱是Perl Compatible Regular Expressions。從名字我們可以看出PCRE庫是與Perl中正則表達式相兼容的一個正則表達式庫。PCRE是免費開源的庫，它是由C語言實現 的，這裡是它的官方主頁：http://www.pcre.org/，感興趣的 朋友可以在這裡了解更多的內容。
要得到PCRE庫，可以從這裡下載：http://sourceforge.net/projects/pcre/files/

PCRE++是一個對PCRE庫的C++封裝，它提供了更加方便、易用的C++接口。這裡是它的官方主頁：http://www.daemon.de/PCRE，感興趣的朋友可以在 這裡了解更多的內容。
要得到PCRE++庫，可以從這裡下載：http://www.daemon.de/PcreDownload

2. PCRE接口介紹
（1）. pcre_compile

1
2
3
4
5
6
7
8
9
10

pcre *pcre_compile(const char *pattern, int options,
            const char **errptr, int *erroffset,
            const unsigned char *tableptr);
功能：編譯指定的正則表達式
參數：pattern, 輸入參數，將要被編譯的字符串形式的正則表達式
      options, 輸入參數，用來指定編譯時的一些選項
      errptr, 輸出參數，用來輸出錯誤信息
      erroffset, 輸出參數，pattern中出錯位置的偏移量
      tableptr, 輸入參數，用來指定字符表，一般情況用NULL, 使用缺省的字符表
返回值：被編譯好的正則表達式的pcre內部表示結構

（2）. pcre_exec

1
2
3
4
5
6
7
8
9
10
11
12
13

int pcre_exec(const pcre *code, const pcre_extra *extra,
            const char *subject, int length, int startoffset,
            int options, int *ovector, int ovecsize);
功能：用來檢查某個字符串是否與指定的正則表達式匹配
參數： code, 輸入參數，用pcre_compile編譯好的正則表達結構的指針
      extra, 輸入參數，用來向pcre_exec傳一些額外的數據信息的結構的指針
      subject, 輸入參數，要被用來匹配的字符串
      length, 輸入參數， 要被用來匹配的字符串的指針
      startoffset, 輸入參數，用來指定subject從什麼位置開始被匹配的偏移量
      options, 輸入參數， 用來指定匹配過程中的一些選項
      ovector, 輸出參數，用來返回匹配位置偏移量的數組
      ovecsize, 輸入參數， 用來返回匹配位置偏移量的數組的最大大小
返回值：匹配成功返回非負數，匹配返回負數

3. PCRE++接口介紹
PCRE++把PCRE庫封裝成了兩個類，一個是RE_Options, 用來指定匹配選項，一個是RE，用來提供匹配相關的接口。RE_options類在這裡我就不介紹了，我主要介紹一下RE類：
（1）RE的構造函數傳入正則表達式，並在構造函數中調用Init函數，將該正則表達進行編譯
（2）RE的pattern()成員用來得到初始傳入的正則表達式字符串
（3）RE的error()成員用來得到匹配過程中的出錯信息
（4）RE的FullMatch()成員用來判斷某字符串整體是否匹配指定正則表達式
（5）RE的PartialMatch()成員用來判斷某字符串的部分是否匹配指定正則表達式

4. PCRE/PCRE++使用注意事項
（1）使用pcre請包含pcre.h頭文件
（2）使用pcre_compile, pcre_exec後，記得調用pcre_free釋放內存，以免造成內存洩露
（3）使用pcre編譯的時候需要依賴libpcre.a
（4）使用pcre++請包含pcrecpp.h頭文件
（5）使用pcre++，RE類的析構函數會自動釋放相關內存，因此不用擔心內存洩露
（6）使用pcre++編譯的時候需要依賴libpcrecpp.a
（7）使用pcrecpp要使用pcrecpp命名空間