C语言在Visual Studio 2010环境下使用＜regex.h＞正则表达式函数库-编程知识

在Visual Studio 2010环境下，如果C语言想要使用<regex.h>头文件进行正则表达式匹配，则需要pcre3.dll这个动态链接库，可以去网上下载。

下载的网址是：
Pcre for Windowspcre {whatisit}https://gnuwin32.sourceforge.net/packages/pcre.htm下载的栏目是：Binaries和Developer files。

下载下来后是pcre-7.0-bin.zip和pcre-7.0-lib.zip两个压缩包。

第一节建立Visual Studio 2010工程

建立一个VS2010控制台空白项目：

新建一个main.c源文件：

复制以下代码内容：

// 函数参考文档: https://www.man7.org/linux/man-pages/man3/regcomp.3.html
#include <regex.h>
#include <stdio.h>#pragma comment(lib, "pcre.lib")int main()
{int ret;regex_t reg;ret = regcomp(&reg, "\\w{8}", 0); // 设置正则表达式if (ret == 0){ret = regexec(&reg, "1234efGH", 0, NULL, 0); // 匹配第一个字符串if (ret == 0)printf("match\n");else if (ret == REG_NOMATCH)printf("mismatch\n");ret = regexec(&reg, "1234efG", 0, NULL, 0); // 匹配第二个字符串if (ret == 0)printf("match\n");else if (ret == REG_NOMATCH)printf("mismatch\n");regfree(&reg);}return 0;
}

在项目中建立pcre-7.0文件夹，并将下面几个h文件和lib文件解压到其中。
pcre-7.0-lib.zip\include\pcre.h
pcre-7.0-lib.zip\include\pcreposix.h
pcre-7.0-lib.zip\include\regex.h
pcre-7.0-lib.zip\lib\pcre.lib

在VS工程属性中附加pcre-7.0包含目录和库目录：

这时已经可以成功编译C程序，但是程序因缺少dll文件无法运行。

将pcre-7.0-bin.zip\bin\pcre3.dll解压到exe文件所在的Debug目录下（如C:\Documents and Settings\Octopus\桌面\pcre\regtest\Debug）就可以成功运行了。

第二节判断正则表达式是否匹配某个字符串

C语言使用正则表达式函数前，需要先包含regex.h头文件。
#include <regex.h>

regex_t表示一个正则表达式对象，使用regcomp函数可根据正则表达式字符串创建正则表达式对象。
regcomp函数的原型如下：
int regcomp(regex_t *preg, const char *regex, int cflags);
preg参数用于保存待创建的正则表达式对象，是一个输出参数。
regex参数是正则表达式字符串，请注意C语言字符串中所有用于正则表达式的反斜杠都要双写。
cflags参数可指定下列一个或多个选项（用|连接多个选项）。
REG_EXTENDED：使用扩展正则表达式语法（POSIX Extended Regular Expression syntax）。
REG_ICASE：匹配时忽略大小写。（比如"^\\w+gh$"可匹配"1234efGH"）
REG_NOSUB：后面regexec函数只判断字符串是否匹配，不返回匹配了哪些部分，也就是pmatch和nmatch参数将被忽略。
REG_NEWLINE：允许^和$符号匹配\n换行符。（原本正则表达式"^\\w+gh$"不能匹配"aaa\nagh\nccc"，加上REG_NEWLINE选项后，就可以成功匹配第二行的agh）
正则表达式对象创建成功时返回0，返回其他值表示创建失败。

正则表达式对象使用完毕后一定要用regfree函数释放掉。
void regfree(regex_t *preg);

使用regexec函数判断正则表达式是否匹配指定的字符串。
int regexec(const regex_t *preg, const char *string, size_t nmatch, regmatch_t *pmatch, int eflags);
preg参数是待使用的正则表达式。
string是要判断的字符串。
nmatch和pmatch参数下一节再讲，本节先分别设置成0和NULL。（在C语言中NULL特指空指针，不能用来给非指针变量赋值）
eflags参数是指定一些选项，这个本文也不讲，笔者认为没什么用，请自行参考官方文档。
字符串匹配成功时返回0，失败时返回REG_NOMATCH。

示例代码：

#include <regex.h>
#include <stdio.h>#pragma comment(lib, "pcre.lib")int main()
{int ret;regex_t reg;ret = regcomp(&reg, "^\\w+gh$", REG_ICASE | REG_NOSUB); // 设置正则表达式if (ret == 0){ret = regexec(&reg, "1234efGH", 0, NULL, 0); // 匹配第一个字符串if (ret == 0)printf("match1\n");else if (ret == REG_NOMATCH)printf("mismatch1\n");ret = regexec(&reg, "1234efgh", 0, NULL, 0); // 匹配第二个字符串if (ret == 0)printf("match2\n");else if (ret == REG_NOMATCH)printf("mismatch2\n");regfree(&reg);}ret = regcomp(&reg, "^\\w+gh$", REG_NEWLINE | REG_NOSUB);if (ret == 0){ret = regexec(&reg, "aaa\nagh\nccc", 0, NULL, 0);if (ret == 0)printf("match3\n");else if (ret == REG_NOMATCH)printf("mismatch3\n");regfree(&reg);}ret = regcomp(&reg, "^\\w+gh$", REG_NOSUB);if (ret == 0){ret = regexec(&reg, "aaa\nagh\nccc", 0, NULL, 0);if (ret == 0)printf("match4\n");else if (ret == REG_NOMATCH)printf("mismatch4\n");regfree(&reg);}return 0;
}

程序运行结果：

第三节判断正则表达式匹配了某个字符串的哪些部分

在实际应用中，除了判断正则表达式是否匹配某个字符串外，有时我们还想知道到底匹配的是字符串中的哪部分，还有正则表达式里面的小括号都匹配了哪些部分。
这时，regexec函数的nmatch和pmatch参数就派上用场了。请注意要使用这两个参数的话，regcomp函数不能指定REG_NOSUB选项。

首先我们要声明一个regmatch_t数组，数组长度应该是正则表达式里面小括号的个数加上1。
比如"(\\w{2})(\\w+)"这个正则表达式有两个小括号，那么数组的长度就应该为2+1=3。
regmatch_t matches[3];
或者用malloc动态分配：
regmatch_t *matches = malloc(3 * sizeof(regmatch_t));
regcomp函数返回的regex_t结构体里面的re_nsub成员的值就是小括号的个数，所以上面这句话还可以写成：
regmatch_t *matches = malloc((reg.re_nsub + 1) * sizeof(regmatch_t));

然后，regexec函数的nmatch参数填数组长度（3），pmatch参数填数组名（matches）。
matches[0]用来存放整个正则表达式的匹配结果，matches[1~2]用来存放正则表达式里面的两个小括号的匹配结果。
matches[x].rm_so表示匹配的字符串的起始下标，matches[x].rm_eo表示匹配的字符串的结束下标。
假如要表示"abcdef"里面的"cde"，那么rm_so=2，rm_eo=5，两者之差rm_eo-rm_so=5-2=3就是"cde"字符串的长度。

我们来看例程：

#include <regex.h>
#include <stdio.h>
#include <string.h>#pragma comment(lib, "pcre.lib")// 提取匹配的子字符串
const char *get_matched_str(const char *str, const regmatch_t *match)
{static char buffer[1024];int len;len = match->rm_eo - match->rm_so; // 子字符串的长度 = 结束下标 - 开始下标if (len > sizeof(buffer) - 1)len = sizeof(buffer) - 1; // 保证不超过buffer缓冲区的大小memcpy(buffer, str + match->rm_so, len); // 复制子字符串的内容到buffer缓冲区buffer[len] = '\0';return buffer;
}// 打印正则表达式本身匹配的子字符串, 和所有小括号匹配的部分
void print_matches(const regex_t *reg, const char *str, const regmatch_t *matches)
{int i;printf("正则表达式本身匹配的子字符串: %s\n", get_matched_str(str, &matches[0]));printf("小括号的个数: %d\n", reg->re_nsub);for (i = 1; i <= (int)reg->re_nsub; i++)printf("第%d个小括号匹配的子字符串: %s\n", i, get_matched_str(str, &matches[i]));
}// 单次匹配
int match_once(const regex_t *reg, const char *str)
{int found = 0;int ret;regmatch_t *matches;matches = malloc((reg->re_nsub + 1) * sizeof(regmatch_t));if (matches != NULL){ret = regexec(reg, str, reg->re_nsub + 1, matches, 0);if (ret == 0){printf("匹配成功。\n");found = 1;print_matches(reg, str, matches);}else if (ret == REG_NOMATCH)printf("匹配失败。\n");free(matches);}return found;
}int main()
{int ret;regex_t reg;ret = regcomp(&reg, "(\\w{2})(\\w+)", 0); // 设置正则表达式if (ret == 0){match_once(&reg, "https://zhidao.baidu.com/");regfree(&reg);}return 0;
}

程序运行结果为：

可以看到正则表达式匹配了"https://zhidao.baidu.com/"字符串里面的"https"，两个小括号分别匹配了ht和tps。
实际上这个字符串还有其它匹配的部分，比如zhidao、baidu和com。
我们可以写一个多次匹配的函数，把一个字符串中所有匹配的地方都找出来。

// 多次匹配
int match_all(const regex_t *reg, const char *str)
{int count = 0;int offset = 0;regmatch_t *matches;matches = malloc((reg->re_nsub + 1) * sizeof(regmatch_t));if (matches != NULL){while (regexec(reg, str + offset, reg->re_nsub + 1, matches, 0) == 0){count++;printf("[第%d次匹配] %s\n", count, str + offset);print_matches(reg, str + offset, matches);offset += matches[0].rm_eo;}free(matches);}printf("总共匹配了%d次\n", count);return count;
}

第四节将匹配部分替换成另外一个字符串

刚才的多次匹配的函数还可以改写成正则表达式字符串替换函数，把所有匹配的地方都替换成指定字符串。
当然，为了简单起见，没有做识别$1、$2这些符号的功能。

#include <regex.h>
#include <stdio.h>
#include <string.h>#pragma comment(lib, "pcre.lib")// 多次替换
char *replace_all(const regex_t *reg, const char *str, const char *replacement)
{char *new_str;int i, len = 0;int rlen;int offset;regmatch_t match;// 先计算替换后的字符串有多长rlen = strlen(replacement);offset = 0;while (regexec(reg, str + offset, 1, &match, 0) == 0){len += match.rm_so + rlen; // 没匹配上的长度 + 替换的子字符串的长度offset += match.rm_eo; // 继续下一次匹配}len += strlen(str + offset); // 剩余没匹配上的长度// 生成替换后的字符串new_str = malloc(len + 1);if (new_str == NULL)return NULL;i = 0;offset = 0;while (regexec(reg, str + offset, 1, &match, 0) == 0){if (match.rm_so > 0){memcpy(new_str + i, str + offset, match.rm_so);i += match.rm_so;}if (rlen > 0){memcpy(new_str + i, replacement, rlen);i += rlen;}offset += match.rm_eo;}if (i < len)memcpy(new_str + i, str + offset, len - i);new_str[len] = '\0';return new_str;
}int main()
{char *str;int ret;regex_t reg;ret = regcomp(&reg, "(\\w{2})(\\w+)", 0); // 设置正则表达式if (ret == 0){str = replace_all(&reg, "https://zhidao.baidu.com", "xy");if (str != NULL){printf("替换后的字符串: %s\n", str);free(str);}regfree(&reg);}return 0;
}

第五节替换字符串时反向引用匹配的部分

在实际应用中，有时我们还想在替换字符串时反向引用正则表达式匹配的子字符串。
例如，用$0引用整个正则表达式匹配的内容，用$1引用第一个小括号匹配的内容，用$2引用第二个小括号匹配的内容，一直到$9。$$则表示$符号本身。
这个功能用C语言实现起来其实并不难，稍微改下上一节的程序就可以了。
请看代码：

#include <regex.h>
#include <stdio.h>
#include <string.h>#pragma comment(lib, "pcre.lib")// 计算某一次替换的长度
// 支持$0~$9引用
// $$替换为$
int get_replacement_length(const char *replacement, const regmatch_t *matches, int nsub)
{int i, len = 0;while (*replacement != '\0'){if (*replacement == '$' && *(replacement + 1) != '\0'){if (*(replacement + 1) == '$'){len++;replacement += 2;continue;}i = *(replacement + 1) - '0';if (i >= 0 && i <= 9 && i <= nsub){len += matches[i].rm_eo - matches[i].rm_so;replacement += 2;continue;}}len++;replacement++;}return len;
}// 生成某次替换后的字符串
char *get_replacement(const char *replacement, const char *src, const regmatch_t *matches, int nsub, int *rlen_out)
{char *s;int i, len = 0;int rlen;rlen = get_replacement_length(replacement, matches, nsub);if (rlen_out != NULL)*rlen_out = rlen;s = malloc(rlen + 1);if (s == NULL)return NULL;while (*replacement != '\0'){if (*replacement == '$' && *(replacement + 1) != '\0'){if (*(replacement + 1) == '$'){s[len] = '$';len++;replacement += 2;continue;}i = *(replacement + 1) - '0';if (i >= 0 && i <= 9 && i <= nsub){memcpy(s + len, src + matches[i].rm_so, matches[i].rm_eo - matches[i].rm_so);len += matches[i].rm_eo - matches[i].rm_so;replacement += 2;continue;}}s[len] = *replacement;len++;replacement++;}s[len] = '\0';return s;
}// 多次替换
char *replace_all(const regex_t *reg, const char *str, const char *replacement)
{char *new_str;char *new_replacement;int i, len = 0;int rlen;int offset;regmatch_t matches[10];// 先计算替换后的字符串有多长offset = 0;while (regexec(reg, str + offset, 10, matches, 0) == 0){rlen = get_replacement_length(replacement, matches, reg->re_nsub);len += matches[0].rm_so + rlen; // 没匹配上的长度 + 替换的子字符串的长度offset += matches[0].rm_eo; // 继续下一次匹配}len += strlen(str + offset); // 剩余没匹配上的长度// 生成替换后的字符串new_str = malloc(len + 1);if (new_str == NULL)return NULL;i = 0;offset = 0;while (regexec(reg, str + offset, 10, matches, 0) == 0){if (matches[0].rm_so > 0){memcpy(new_str + i, str + offset, matches[0].rm_so);i += matches[0].rm_so;}new_replacement = get_replacement(replacement, str + offset, matches, reg->re_nsub, &rlen);if (new_replacement != NULL){if (rlen > 0){memcpy(new_str + i, new_replacement, rlen);i += rlen;}free(new_replacement);}offset += matches[0].rm_eo;}if (i < len)memcpy(new_str + i, str + offset, len - i);new_str[len] = '\0';return new_str;
}int main()
{char *str;int ret;regex_t reg;ret = regcomp(&reg, "(\\w{2})(\\w+)", 0); // 设置正则表达式if (ret == 0){str = replace_all(&reg, "https://zhidao.baidu.com", "($0,$1,$2,$3,$$)");if (str != NULL){printf("替换后的字符串: %s\n", str);free(str);}regfree(&reg);}return 0;
}