正则表达式的使用
本文内容主要来自网络上其他的人的总结，自己略微综合
标准的C和C++都不支持正则表达式，但有一些函数库可以辅助C/C++程序员完成这一功能，其中最著名的当数Philip Hazel的Perl-Compatible Regular Expression库，许多Linux发行版本都带有这个函数库。
编译正则表达式
为了提高效率，在将一个字符串与正则表达式进行比较之前，首先要用regcomp()函数对它进行编译，将其转化为regex_t结构：
int regcomp(regex_t *preg, const char *regex, int cflags);
参数regex是一个字符串，它代表将要被编译的正则表达式；参数preg指向一个声明为regex_t的数据结构，用来保存编译结果；参数cflags决定了正则表达式该如何被处理的细节。
如果函数regcomp()执行成功，并且编译结果被正确填充到preg中后，函数将返回0，任何其它的返回结果都代表有某种错误产生。
匹配正则表达式
一旦用regcomp()函数成功地编译了正则表达式，接下来就可以调用regexec()函数完成模式匹配：
int regexec(const regex_t *preg, const char *string, size_t nmatch, regmatch_t pmatch[], int eflags);
typedef struct {
regoff_t rm_so;
regoff_t rm_eo;
} regmatch_t;
参数preg指向编译后的正则表达式，参数string是将要进行匹配的字符串，而参数nmatch和pmatch则用于把匹配结果返回给调用程序，最后一个参数eflags决定了匹配的细节。
在调用函数regexec()进行模式匹配的过程中，可能在字符串string中会有多处与给定的正则表达式相匹配，参数pmatch就是用来保存这些匹配位置的，而参数nmatch则告诉函数regexec()最多可以把多少个匹配结果填充到pmatch数组中。当regexec()函数成功返回时，从string+pmatch[0].rm_so到string+pmatch[0].rm_eo是第一个匹配的字符串，而从string+pmatch[1].rm_so到string+pmatch[1].rm_eo，则是第二个匹配的字符串，依此类推。
释放正则表达式
无论什么时候，当不再需要已经编译过的正则表达式时，都应该调用函数regfree()将其释放，以免产生内存泄漏。
void regfree(regex_t *preg);
函数regfree()不会返回任何结果，它仅接收一个指向regex_t数据类型的指针，这是之前调用regcomp()函数所得到的编译结果。
如果在程序中针对同一个regex_t结构调用了多次regcomp()函数，POSIX标准并没有规定是否每次都必须调用regfree()函数进行释放，但建议每次调用regcomp()函数对正则表达式进行编译后都调用一次regfree()函数，以尽早释放占用的存储空间。
报告错误信息
如果调用函数regcomp()或regexec()得到的是一个非0的返回值，则表明在对正则表达式的处理过程中出现了某种错误，此时可以通过调用函数regerror()得到详细的错误信息。
size_t regerror(int errcode, const regex_t *preg, char *errbuf, size_t errbuf_size);
参数errcode是来自函数regcomp()或regexec()的错误代码，而参数preg则是由函数regcomp()得到的编译结果，其目的是把格式化消息所必须的上下文提供给regerror()函数。在执行函数regerror()时，将按照参数errbuf_size指明的最大字节数，在errbuf缓冲区中填入格式化后的错误信息，同时返回错误信息的长度。
应用正则表达式
下面是一个简单的regex的例子，看一下基本就明白了。
#include
#include
#include
#define SUBSLEN 10 /* 匹配子串的数量 */
#define EBUFLEN 128 /* 错误消息buffer长度 */
#define BUFLEN 1024 /* 匹配到的字符串buffer长度 */
int main()
{
size_t len;
regex_t re; /* 存储编译好的正则表达式，正则表达式在使用之前要经过编译 */
regmatch_t subs [SUBSLEN]; /* 存储匹配到的字符串位置 */
char matched [BUFLEN]; /* 存储匹配到的字符串 */
char errbuf [EBUFLEN]; /* 存储错误消息 */
int err, i;
char src [] = "111 Hello World 222"; /* 源字符串 */
char pattern [] = "(.*) "; /* pattern字符串 */
printf("String : %s\n", src);
printf("Pattern: \"%s\"\n", pattern);
/* 编译正则表达式 */
err = regcomp(&re, pattern, REG_EXTENDED);
if (err) {
len = regerror(err, &re, errbuf, sizeof(errbuf));
printf("error: regcomp: %s\n", errbuf);
return 1;
}
printf("Total has subexpression: %d\n", re.re_nsub);
/* 执行模式匹配 */
err = regexec(&re, src, (size_t) SUBSLEN, subs, 0);
if (err == REG_NOMATCH) { /* 没有匹配成功 */
printf("Sorry, no match ...\n");
regfree(&re);
return 0;
} else if (err) { /* 其它错误 */
len = regerror(err, &re, errbuf, sizeof(errbuf));
printf("error: regexec: %s\n", errbuf);
return 1;
}
/* 如果不是REG_NOMATCH并且没有其它错误，则模式匹配上 */
printf("\nOK, has matched ...\n\n");
for (i = 0; i <= re.re_nsub; i++) {
len = subs[i].rm_eo - subs[i].rm_so;
if (i == 0) {
printf ("begin: %d, len = %d ", subs[i].rm_so, len); /* 注释1 */
} else {
printf("subexpression %d begin: %d, len = %d ", i, subs[i].rm_so, len);
}
memcpy (matched, src + subs[i].rm_so, len);
matched[len] = '\0';
printf("match: %s\n", matched);
}
regfree(&re); /* 用完了别忘了释放 */
return (0);
}
String : 111 Hello World 222
Pattern: "(.*) "
Total has subexpression: 1
OK, has matched ...
begin: %, len = 4 match: Hello World
subexpression 1 begin: 11, len = 11 match: Hello World的字符串可以单独获取，示例程序就是我用来获取http网页的主题（title）的方式。
如果src[]="111
如果逐个匹配src[]="111
可以查看一下src[] = "-rwxrw-rw- 1 oracle oinstall 13176 9月 7 18:45:47 2012 client.c";pattern[] = "([-rwx]+)[ ]+([0-9]+)[ ]+([A-Za-z]+)[ ]+([A-Za-z]+)[ ]+([0-9]+)[ ]+([A-Za-z]+|([0-9]+)月)[ ]+([0-9]+)[ ]+([0-9]{2}):([0-9]{2}):([0-9]{2})[ ]+([0-9]+)[ ]+(.+)";和src[] = "-rwxrw-rw- 1 oracle oinstall 13176 Sep 7 18:45:47 2012 client.c";pattern[] = "([-rwx]+)[ ]+([0-9]+)[ ]+([A-Za-z]+)[ ]+([A-Za-z]+)[ ]+([0-9]+)[ ]+([A-Za-z]+|([0-9]+)月)[ ]+([0-9]+)[ ]+([0-9]{2}):([0-9]{2}):([0-9]{2})[ ]+([0-9]+)[ ]+(.+)";的区别。
regmatch_t subs[SUBSLEN]是用来存放匹配位置的，subs[0]里存放这个匹配的字符串位置，subs[1]里存放第一个子表达式的匹配位置，也就是例子中的title，通过结构里的rm_so和rm_eo可以取到，这一点很多人不太注意，应该强调一下。
注释1：开始调试代码的时候是在FreeBSD 6.2上进行的，print出来的len总是0，但print出来的字符串又没错，很是迷惑，把它放到Linux上则完全正常，后来仔细检查才发现rm_so在Linux上是32位，在FreeBSD上是64位，用%d的话实际取的是rm_so的高32位，而不是实际的len，把print rm_so的地方改为%llu就可以了。
regex虽然简单易用，但对正则表达式的支持不够强大，中文处理也有问题，于是引出了下面要说的PCRE。
2、PCRE （http://www.pcre.org）
PCRE的名字就说明了是Perl Compatible，熟悉Perl、PHP的人使用起来完全没有问题。PCRE有非常丰富的使用说明和示例代码（看看
pcredemo.c就能明白基本的用法），下面的程序只是把上面regex改为pcre。
/* Compile thuswise:
* gcc -Wall pcre1.c -I/usr/local/include -L/usr/local/lib -R/usr/local/lib -lpcre
*
*/
#include
#include
#include
#define OVECCOUNT 30 /* should be a multiple of 3 */
#define EBUFLEN 128
#define BUFLEN 1024
int main()
{
pcre *re;
const char *error;
int erroffset;
int ovector[OVECCOUNT];
int rc, i;
char src [] = "111 Hello World 222";
char pattern [] = "(.*) ";
printf("String : %s\n", src);
printf("Pattern: \"%s\"\n", pattern);
re = pcre_compile(pattern, 0, &error, &erroffset, NULL);
if (re == NULL) {
printf("PCRE compilation failed at offset %d: %s\n", erroffset, error);
return 1;
}
rc = pcre_exec(re, NULL, src, strlen(src), 0, 0, ovector, OVECCOUNT);
if (rc < 0) {
if (rc == PCRE_ERROR_NOMATCH) printf("Sorry, no match ...\n");
else printf("Matching error %d\n", rc);
free(re);
return 1;
}
printf("\nOK, has matched ...\n\n");
for (i = 0; i < rc; i++) {
char *substring_start = src + ovector[2*i];
int substring_length = ovector[2*i+1] - ovector[2*i];
printf("%2d: %.*s\n", i, substring_length, substring_start);
}
free(re);
return 0;
}
String : 111 Hello World 222
Pattern: "(.*) "
OK, has matched ...
0: Hello World
1: Hello World 比较这2个例子可以看出，在regex用的是regcomp()、regexec()，pcre则使用pcre_compile()、pcre_exec()，用法几乎完全一致。
pcre_compile()有很多选项，详细说明参见 http://www.pcre.org/pcre.txt 。如果是多行文本，可以设置PCRE_DOTALL的选项pcre_complie(re, PCRE_DOTALL,....)，表示'.'也匹配回车换行"\r\n"。
3、pcre++
pcre++（ http://www.daemon.de/PCRE ）对pcre做了c++封装，使用起来更加方便。
/*
* g++ pcre2.cpp -I/usr/local/include -L/usr/local/lib -R/usr/local/lib -lpcre++ -lpcre
*/
#include
#include
#include
using namespace std;
using namespace pcrepp;
int main()
{
string src("111 Hello World 222");
string pattern("(.*) ");
cout << "String : " << src << endl;
cout << "Pattern : " << pattern << endl;
Pcre reg(pattern, PCRE_DOTALL);
if (reg.search(src) == true) { //
cout << "\nOK, has matched ...\n\n";
for(int pos = 0; pos < reg.matches(); pos++) {
cout << pos << ": " << reg[pos] << endl;
}
} else {
cout << "Sorry, no match ...\n";
return 1;
}
return 0;
}
String : 111 Hello World 222
Pattern : (.*)
OK, has matched ...
0: Hello World4、oniguruma
还有一个正则表达式的库oniguruma（ http://www.geocities.jp/kosako3/oniguruma/ ），对于东亚文字支持比较好，开始是用在ruby上，也可用于C++，是日本的开发人员编写的。大多数人都不会用到，也就不做介绍了。如果有疑问可以通过email来讨论它的用法。
5、Regular Expression的内部实现
关于Regular Expression的实现，用到了不少自动机理论（Automata Theory）的知识，有兴趣的可以找这方面的资料来看，这本书“
Introduction to Automata Theory, Languages, and Computation”写的很好，编译原理的书也有这方面的内容。