Posix正则表达式API说明
1 头文件
#include <regex.h>
2 基本方法
2.1 regcomp
函数原型
int regcomp(regex_t *preg, const char *regex, int cflags);
功能
编译正则表达式，以便regexec方法使用
参数含义
preg
preg是一个指向编译后的正则表达式结构的指针，p意思是pointer，reg意思是regex_t类型。
regex_t是一个结构体数据类型，用来存放编译后的正则表达式，它的成员re_nsub用来存储正则表达式中的子正则表达式的个数，子正则表达式就是用圆括号包起来的部分表达式。
regex
描述正则表达式的字符串。
cflags
决定编译的类型。 可选值有:
值 说明 REG_EXTENDED 扩展的正则表达式，如果不设置则为基本的正则表达式 REG_ICASE 不区分大小写 REG_NOSUB 不用存储匹配后的结果。如果设置该标志位，那么在regexec将忽略nmatch和pmatch两个参数。 REG_NEWLINE 识别换行符。
返回值
返回值 说明 0 成功 其他错误码 失败
2.2 regexec
函数原型
int regexec(const regex_t *preg, const char *string, size_t nmatch, regmatch_t pmatch[], int eflags);
功能
根据编译好的正则表达式，对字符串进行匹配
参数含义
preg
经过regcomp编译的正则表达式。
string
待匹配的字符串。
nmatch
匹配到的字符串的个数。
pmatch
匹配到的数组。
eflags
匹配的标志,可选的值有:
值 说明 REG_NOTBOL 不匹配行的开头，除非在regcomp编译时cflag设置REG_NEWLINE REG_NOTEOL 不匹配行的结束，除非在regcomp编译时cflag设置REG_NEWLINE
返回值
返回值 说明 0 成功 REG_NOTMATCH 失败
2.3 结构体regmatch_t
regmatch_t 的定义如下
typedef struct {
regoff_t rm_so;
regoff_t rm_eo;
} regmatch_t;
其中:
如果-1==rm_so，表示没有匹配到。
如果-1!=rm_so，表示string中下一个最大子字符串的偏移量
rm_eo表示子字符串的长度。
2.4 regerror
函数原型
size_t regerror(int errcode, const regex_t *preg, char * errbuf, size_t errbuf_size);
功能
将regcomp和regexec返回的errorcode转换成错误信
参数含义
errorcode
错误码，由regcomp或regexec获得。
preg
经过regcomp编译的正则表达式。
errbuf
存储错误信息的buffer。
errbuf_size
errbuf的大小。
返回值
返回errbuf存储错误信息所需要的大小。
错误码 简写说明 错误说明 REG_BADBR BR=back reference 非法使用返回引用操作符 REG_BADPAT PAT=pattern 非法使用正则表达式操作符，例如group和list REG_BADRPT RPT=repetition 非法使用重复的操作符，例如在第一个字符使用 ’*’ REG_EBRACE EBRACE=error brace 大括号不匹配 REG_EBRACK EBRACK=error bracket 中括号不匹配 REG_ECOLLATE ECOLLATE=error collate 非法参数 REG_ECTYPE ECTYPE=error character type 错误的字符类型 REG_EEND EEND=error end 无具体错误。该错误码在POSIX.2中没有定义 REG_EESCAPE EESCAPE=error escape 多余的\ REG_EPAREN EPAREN=error parenthesis 圆括号不匹配 REG_ERANGE ERANGE=error range 非法使用范围操作符，例如结束的标识出现在开始标识之前 REG_ESIZE ESIZE=error size 编译正则表达式需要的内存大于64kb，在POSIX.2中没有定义 REG_ESPACE ESPACE=error space 编译正则表达式已经超出内存空间 REG_ESUBREG ESUBREG=error reference to a subexpression 非法使用子表达式的引用
2.5 regfree
函数原型
void regfree(regex_t *preg);
功能
释放由regcomp编译preg的内存
参数含义
经过regcomp编译的正则表达式
返回值
void
3 C++的简单封装
可以使用C++进行简单的封装,使其更好用一些
// cregex.h
#include <vector>
#include <string>
#include <regex.h>
using std::string;
using std::vector;
class CStringMatch; // 预先声明类
class CRegex
{
public:
CRegex(const string& sPattern,int cflags=REG_EXTENDED);
virtual ~CRegex();
string GetErrMsg();
CStringMatch Match(const string& sStr,int cflags=0);
bool init(const string& sPattern,int cflags=REG_EXTENDED);
operator bool() const {return m_isValid;}
private:
regex_t m_regex;
int m_cflags;
bool m_isValid;
int m_errcode;
bool isRegMatchUsed(const regmatch_t& sRegMatch);
};
class CStringMatch
{
public:
CStringMatch(const string& str):m_sStr(str){
}
virtual ~CStringMatch(){};
string GetMatchContent(unsigned int index){
return string(m_sStr.c_str()+m_vMatchPlaces[index].rm_so,
m_sStr.c_str()+m_vMatchPlaces[index].rm_eo);
}
regmatch_t GetMatchPlace(unsigned int index){
return m_vMatchPlaces.at(index);
}
operator bool() const {return m_isValid;}
private:
string m_sStr;
friend CStringMatch CRegex::Match(const string& sStr,int cflags);
bool m_isValid;
vector<regmatch_t> m_vMatchPlaces;
};
// cregex.cpp
#include "cregex.h"
CRegex::CRegex(const string& sPattern,int cflags)
{
init(sPattern,cflags);
}
bool CRegex::init(const string& sPattern,int cflags)
{
memset(&m_regex,'\0',sizeof(m_regex));
m_errcode = regcomp(&m_regex,sPattern.c_str(),cflags);
if(m_errcode != 0)
{
m_isValid = false;
}
m_isValid = true;
return m_isValid;
}
CRegex::~CRegex()
{
regfree(&m_regex);
}
string CRegex::GetErrMsg()
{
char szErrMsg[1024+1] = "";
regerror(m_errcode, &m_regex, szErrMsg, sizeof(szErrMsg));
return szErrMsg;
}
CStringMatch CRegex::Match(const string& sStr,int cflags)
{
const unsigned int iMax = 20;
regmatch_t pResults[iMax];
memset(pResults,'\0',sizeof(pResults));
CStringMatch cMatchResult(sStr);
m_errcode = regexec(&m_regex,sStr.c_str(),iMax,pResults,cflags);
if(m_errcode == 0)
{
cMatchResult.m_isValid = true;
unsigned int i = 0;
for (i = 0; i < iMax; ++i) {
if(isRegMatchUsed(pResults[i]))
{
cMatchResult.m_vMatchPlaces.push_back(pResults[i]);
}
}
}
else
{
cMatchResult.m_isValid = false;
}
return cMatchResult;
}
bool CRegex::isRegMatchUsed(const regmatch_t& sRegMatch)
{
return sRegMatch.rm_so != -1;
}
这样使用时,只需要用正则字符串构造一个CRegex对象,并且它的match方法接收一个字符串作为匹配,并返回CStringMatch对象,使用CStringMatch对象的GetMatchContent方法获取捕获的内容
例如:
CRegex cRegex("(.*)省(.+)市/县([^行]+(行股份有限公司|股份有限公司|行|社))(.*)");
if(cRegex)
{ CStringMatch cMatches = cRegex.Match(sBankName);
if(cMatches)
{
sBankNameElements.province = cMatches.GetMatchContent(1);
sBankNameElements.city = cMatches.GetMatchContent(2);
sBankNameElements.bank=cMatches.GetMatchContent(3);
sBankNameElements.keywords=cMatches.GetMatchContent(5);
DEBUG_LOG("province=[%s],city=[%s],bank=[%s],keywords=[%s]",sBankNameElements.province.c_str(),sBankNameElements.city.c_str(),sBankNameElements.bank.c_str(),sBankNameElements.keywords.c_str());
return true;
}
else
{
Trace(L_DEBUG, __FILE__, __LINE__, NULL, cRegex.GetErrMsg().c_str());
}
}else{
Trace(L_DEBUG, __FILE__, __LINE__, NULL, cRegex.GetErrMsg().c_str());
}