目录
一、正则表达式是什么
二、正则表达式的常见规则
2.1 []字符组
2.2 []内部元字符-
2.3[^]排除字符组
2.4匹配字符
2.4.1匹配单个字符
2.4.2匹配多个字符
+ 匹配一个或者多个先前字符(模式)
* 匹配0个或者多个先前字符(模式)
2.4.3 ?匹配0个或者1个先前字符(模式)
2.4.4 {数字} 匹配固定数量的先前模式
2.4.5 {最小数量,最大数量}匹配至少最小数量,至多最大数量的先前模式
2.4.6{最小数量,量}匹配至少最小数量,至多无限制的先前模式
2.5() 把括号内的东西当成一个整体(子模式)
2.5.1(|) 括号内部的内容多选1
2.6\ 转义字符
三、标准c库对正则表达式的支持
3.1 regcomp:用来编译正则表达式字符串的函数
3.2 regerror:用来解析错误原因的函数
3.3 regexec用来运行正则表达式功能的函数
3.4 regfree:用来释放参数空间的函数
字符串在计算机中是最为广泛的处理对象(html网页,URL,IP,名称,密码,邮箱...)字符串的组合形式非常多样
如:
数字字符串:由任意多个0~9组成的
email邮箱字符串
IP地址字符串
网址
...
这些字符串都是我们进行程序设计的时候需要处理的数据,现在就有一个问题:
计算机要处理这些字符串,首先要使用某一种方式(能够被全世界所有程序员认可的一种规则)去描述这些要处理的字符串
如:
如果要提取一段字符串中的IP地址,是不是就需要一个"规则"来描述IP地址
如果符合这个"规则"的就认为它是IP地址
============>
描述字符串规则的一种语法(如何使用程序语言区描述一个符合特定规则的字符串)
正则表达式 Regular Expression
正则表达式本身也是一个字符串,只不过是用来描述某种"规则字符串"的字符串
脱离的具体语言的一些限制,被大多数程序语言认可,并且现在大部分的程序设计语言都支持正则表达式
可以使用一些"规则"去描述一些特定的字符串
perl
python
java
php
c/c++
C#
...
每一种语言实现正则表达式的时候规则略有不同(支持程度不相同)
=======>正则表达式的流派
https://blog.csdn.net/zjc156m/article/details/50773149
基本的正则表达式(Basic Regular Expression 又叫 Basic RegEx 简称 BREs) <----
扩展的正则表达式(Extended Regular Expression 又叫 Extended RegEx 简称 EREs)
Perl 的正则表达式(Perl Regular Expression 又叫 Perl RegEx 简称 PREs)
ps. 知道常用的正则表达式规则
并且知道一些支持正则表达式的文本/字符串处理工具(grep/find/sed/awk)
grep:可以查找文件中/目录中符合规则的内容
find:可以查找符合规则的文件名
sed:可以以行为单位处理文本文件的内容
awk:以列为单位处理文本文件的内容
正则表达式是描述某一种"规则字符串"的字符串
如:
十进制的数字字符串 [0-9]+
[0-9]+ 是形容"十进制数字字符串"的规则
规则也叫做模式------->是形容"十进制数字字符串"的模式
正则表达式也叫做"匹配模式(pattern)",由一组特殊含义的字符串组成,通常用来匹配和替换文本
正则表达式中的字符,分为两种:
1.普通字符 只代表自己本身含义的字符(没有任何的特殊意义)
2.元字符 由特殊含义的字符(不代表本身)
如果要让他代表本身,需要加转义字符"\"
正则表达式中常见的元字符(需要记忆)
. 匹配任意的单个字符
"m.n" 查找以m开头,中间有一个任意的字符,以n结尾的字符串
[]字符组,虽然本身含有两个字符,但是任然只匹配单个字符,而且能够匹配的字符都在[]中列举出来了
[]仅仅匹配括号内列举出来的字符
如:表示一个能够组成16进制数字的字符
[0123456789ABCDEFabcdef] //虽然有这么长,但是只表示一个字符
grep -nar [abc]
查找a或者b或者c
grep -nar '[abc][012345]'
a0 a1 a2 a3 a4 a5
b0 b1 b2 b3 b4 b5
c0 c1 c2 c3 c4 c5
[] 内部也有一个元字符 -
-在中括号内部用于连接ASCII码连续的数字字符
如:表示一个能够组成16进制数字的字符
[0123456789ABCDEFabcdef] //虽然有这么长,但是只表示一个字符
=======>
[0-9A-Fa-f]
grep -nar '[abc][012345]' -------> grep -nar '[a-c][0-5]'
[^] 排除字符组,匹配单个字符,匹配除了[]内部列举出来的所有单个字符
如:非十进制数字字符
[^0-9]
\d digital
匹配单个的十进制数字字符
\d -------> [0-9]
\D 匹配单个的非十进制数字字符
\D -------> [^0-9]
\w word
匹配单个字母和数字,_
\w------>[a-zA-Z0-9_]
\W 匹配单个非字母和数字,_
\w------>[^a-zA-Z0-9_]
\s 匹配任意的空白符号(回车,换行,空格,tab)
\s ----->[\f\n\t\r\b\v]
\S 匹配任意的非空白符
\S----->[^\f\n\t\r\b\v]
如:
09+ //+的前面是一个9 ----->字符
09
099
0999
09999
.....
[0-9]+ //+的前面是一个模式 ----->规则
匹配一个或者多个数字
[0-9]
[0-9][0-9]
[0-9][0-9][0-9]
[0-9][0-9][0-9][0-9]
.....
如:
09* //*的前面是一个9 ----->字符
0
09
099
0999
09999
.....
[0-9]* //*的前面是一个模式 ----->规则
空字符串
[0-9]
[0-9][0-9]
[0-9][0-9][0-9]
[0-9][0-9][0-9][0-9]
.....
如:
09? //?的前面是一个9 ----->字符
0
09
[0-9]? //?的前面是一个模式 ----->规则
空白
0
1
2
3
...
如:
9{3}
999
[0-9]{3}
000
001
...
999
如:
9{1,3}
9
99
999
[0-9]{1,3}
0 1 2 3 4 5 .... 9
00 01 02 .... 99
000 001 002 003 .....999
如:
abc{1,}
abc
abcc
abccc
abcccc
....
如:
abc{1,}
abc
abcc
abccc
abcccc
....
(abc){1,}
abc
abcabc
abcabcabc
.....
如:
(abc|123){2}
得:
abcabc
123123
abc123
123abc
\+元字符,表示元字符本身
如:
\+ 表示查找+
\+{3}
在C语言代码中也可以使用正则表达式描述或者匹配规则字符串
例子:
写一个代码,找出一个普通字符串中所有的IP地址 正则表达式描述IP地址:
([01]?[0-9][0-9]?|2[0-4][0-9]|25[0-5])\.([01]?[0-9][0-9]?|2[0-4][0-9]|25[0-5])\.([01]?[0-9][0-9]?|2[0-4][0-9]|25[0-5])\.([01]?[0-9][0-9]?|2[0-4][0-9]|25[0-5])
======>
([1-9]|1?[0-9][0-9]|2[0-4][0-9]|25[0-5])
在c语言中使用正则表达式需要一组函数regcomp regexec regerror
NAME
regcomp, regexec, regerror, regfree - POSIX regex functions
SYNOPSIS
#include
#include
正则表达式本身也是一个字符串,需要把这个字符串转换成一个能够表示正则表达式规则的类型(regex_t)
regex_t类型的变量就可以表示一个编译好的正则表达式
原始的正则表达式------->regex_t类型的变量
格式: int regcomp(regex_t *preg, const char *regex, int cflags);
preg:指针,指向一个可有的空间,用来保存编译好的正则表达式的
regex:指针,指向要编译的正则表达式原始字符串
cflags:编译标志,使用位域实现(整数中的某些位表示特定的功能)
REG_EXTENDED :使用扩展的正则表达式语法编译这个规则
REG_ICASE :ignore case 忽略大小写
REG_NOSUB :不包含子模式
如果在编译的时候,需要使用扩展的正则表达式语法并且需要忽略大小写
REG_EXTENDED | REG_ICASE
待查找字符串:
"abc192.168.31.abcabc45.123.168.31abcabcxxxx192.168.31.123xxxx01.999.01.01"
正则表达式规则:
"([01]?[0-9][0-9]?|2[0-4][0-9]|25[0-5])\.([01]?[0-9][0-9]?|2[0-4][0-9]|25[0-5])\.([01]?[0-9][0-9]?|2[0-4][0-9]|25[0-5])\.([01]?[0-9][0-9]?|2[0-4][0-9]|25[0-5])"
目标是IP地址,一般认为是总模式(最终的查找目的)
192.168.31.123
[44,58)
用小括号括起来的叫做子模式,上面的规则中有4个子模式
192 第1个子模式
168
31
123 第4个子模式
返回值:
编译成功返回0
编译失败返回一个错误码,这个错误码表示一个失败原因,需要使用regerror这个函数去解析
regerror是用来把regcomp/regexec执行返回的错误码,转换成对应的错误字符串的
格式 size_t regerror(int errcode, const regex_t *preg, char *errbuf,
size_t errbuf_size);
errcode:你要转换的错误码,是regcomp/regexec失败时的返回值
preg:编译好的正则表达式地址
errbuf:指针,指向一段可用的空间,用来保存转换后的错误信息字符串的
errbuf_size:errbuf指向的可用空间的大小,防止出现内存越界的错误
返回值:
返回填充到errbuf这一段空间中的错误字符串的长度
regexec是用来在string指向的字符串中,查找preg指向的正则表达式规则
匹配结果使用regmatch_t类型来描述,表示目标字符串(IP)在母串中的位置
typedef struct {
regoff_t rm_so; //匹配的起始偏移量
regoff_t rm_eo; //匹配的终止偏移量
} regmatch_t;
用来说明匹配的目标在母串中的具体位置
格式 int regexec(const regex_t *preg, const char *string, size_t nmatch,
regmatch_t pmatch[], int eflags);
preg:需要匹配的正则表达式(经过regcomp编译过的)
string:原始的等待匹配的母字符串,待查找字符串
nmatch:正则表达式中有多少个匹配模式(总模式数量 + 子模式数量)
pmatch:保存匹配到的结果的位置(数组)
pmatch的大小至少为nmatch
每一个模式都需要使用一个regmatch_t的数据类型去描述位置
总共有多少个模式就有多少个regmatch_t
eflags:匹配标志,是否匹配行首或者行尾(一般为0)
返回值:
成功匹配到返回0
如果失败返回REG_NOMATCH
如果一个待匹配的字符串中有多个结果------>循环多次匹配
void regfree(regex_t *preg);
用来释放preg这个数据中的空间的