正常的使用方式：编译正则表达式（regcomp）、匹配正则表达式（regexec）、释放正则表达式（regfree）
一、GNU Regex Library
1. 什么是GNU正则表达式库(GNU Regex Library) ?GNU正则表达式库是glibc(GNU C Library)的一部分，它提供与POSIX标准兼容的正则表达式匹配的接口。这里是其主页：http://www.gnu.org/s/libc/manual/html_node/Regular-Expressions.html下载该库点这里：gnuregex0_132. GNU Regex Library所提供的接口（1）regcomp:
123456
int regcomp(regex_t *preg, const char *pattern, int cflags)功能:将要进行匹配的正则表达式pattern进行编译，做匹配前的准备工作参数: preg, 输出参数，用来保存编译后的正则表达式结果 pattern, 输入参数，传入要进行编译的正则表达式的字符串 cflags, 输入参数，用来指定正则表达式匹配过程中的一些选项返回值:编译成功返回0，失败返回非0的错误码
（2）regexec:
123456789
int regexec(const regex_t *preg, const char *string, size_t nmatch, regmatch_t pmatch[], int eflags)功能:用来检测字符串string是否匹配正则表达式preg参数: preg, 输入参数，在(1)regcomp中编译好的正则表达式规则 string, 输入参数，用来被匹配的字符串 nmatch, 输入参数，用来指定pmatch参数所对应的数组的长度 pmatch, 输出参数，用来输出在string中匹配preg的具体位置 eflag, 输入参数，用来指定正则表达式匹配过程中的一些选项返回值: 如果string匹配preg所指定的规则，则返回0， 否则返回非0
（3）regerror:
1234567
size_t regerror(int errcode, const regex_t *preg, char *errbuf, size_t errbuf_size)功能:用来把在regcompt和regexec中产生的错误码转化成字符串形式的错误信息参数: errcode, 输入参数，在regcomp或regexec调用中返回的错误码 preg, 输入参数，与错误码所对应的编译过的正则表达式结构 errbuf, 输出参数，用来返回错误信息的buffer，如果buffer不够所需大小，错误信息将被截断 errbuf_size, 输入参数，返回错误信息的buffer的大小返回值: 如果errbuf_size为0，那么regerror返回错误信息所需要的buffer的大小
（4）regfree:
1234
void regfree (regex_t *preg)功能: 用来释放由regcomp编译时生成的preg结构所占用的内存参数: preg, 输入参数，由regcomp编译时生成的正则表达的结构指针返回值: 无
3. 使用GNU Regex Library的一些注意事项（1）regcomp与regfree必须配对使用，要不然会造成内存泄漏（类比malloc/free, new/delete)（2）regex_t结构：把字符串形式的正则表达式编译成regex_t这样的一个结构，方便后续的匹配工作（3）regmatch_t结构：用来表示正则表达式中字符串中匹配的位置的结构，用起始位置的偏移量来表示的（4）flags：用来配置匹配过程中的一些选项, 指定如何匹配，具体参见：http://www.opengroup.org/onlinepubs/007908799/xsh/regcomp.html（5）使用该库需要包含的头文件：sys/types.h和regex .h4. GNU Regex Library使用举例
1234567891011121314151617181920212223242526272829303132333435363738
#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;}
程序测试：
12345
wuzesheng@wuzesheng-ubuntu:~/Program$ gcc TestRegex.c -o Regexwuzesheng@wuzesheng-ubuntu:~/Program$ ./Regex "http:www/..*/.com" "https://www.taobao.com"ErrMsg: No matchwuzesheng@wuzesheng-ubuntu:~/Program$ ./Regex "http:www/..*/.com" "http://www.taobao.com"http://www.taobao.com matches http:www/..*/.com
二、PCRE、PCRE++
1. 什么是PCRE? 什么是PCRE++?PCRE，全称是Perl Compatible Regular Expressions。从名字我们可以看出PCRE库是与Perl中正则表达式相兼容的一个正则表达式库。PCRE是免费开源的库，它是由C语言实现 的，这里是它的官方主页：http://www.pcre.org/，感兴趣的 朋友可以在这里了解更多的内容。要得到PCRE库，可以从这里下载：http://sourceforge.net/projects/pcre/files/
PCRE++是一个对PCRE库的C++封装，它提供了更加方便、易用的C++接口。这里是它的官方主页：http://www.daemon.de/PCRE，感兴趣的朋友可以在 这里了解更多的内容。要得到PCRE++库，可以从这里下载：http://www.daemon.de/PcreDownload2. PCRE接口介绍（1）. pcre_compile
12345678910
pcre *pcre_compile(const char *pattern, int options, const char **errptr, int *erroffset, const unsigned char *tableptr);功能：编译指定的正则表达式参数：pattern, 输入参数，将要被编译的字符串形式的正则表达式 options, 输入参数，用来指定编译时的一些选项 errptr, 输出参数，用来输出错误信息 erroffset, 输出参数，pattern中出错位置的偏移量 tableptr, 输入参数，用来指定字符表，一般情况用NULL, 使用缺省的字符表返回值：被编译好的正则表达式的pcre内部表示结构
（2）. pcre_exec
12345678910111213
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：用来检查某个字符串是否与指定的正则表达式匹配参数： code, 输入参数，用pcre_compile编译好的正则表达结构的指针 extra, 输入参数，用来向pcre_exec传一些额外的数据信息的结构的指针 subject, 输入参数，要被用来匹配的字符串 length, 输入参数， 要被用来匹配的字符串的指针 startoffset, 输入参数，用来指定subject从什么位置开始被匹配的偏移量 options, 输入参数， 用来指定匹配过程中的一些选项 ovector, 输出参数，用来返回匹配位置偏移量的数组 ovecsize, 输入参数， 用来返回匹配位置偏移量的数组的最大大小返回值：匹配成功返回非负数，匹配返回负数
3. PCRE++接口介绍PCRE++把PCRE库封装成了两个类，一个是RE_Options, 用来指定匹配选项，一个是RE，用来提供匹配相关的接口。RE_options类在这里我就不介绍了，我主要介绍一下RE类：（1）RE的构造函数传入正则表达式，并在构造函数中调用Init函数，将该正则表达进行编译（2）RE的pattern()成员用来得到初始传入的正则表达式字符串（3）RE的error()成员用来得到匹配过程中的出错信息（4）RE的FullMatch()成员用来判断某字符串整体是否匹配指定正则表达式（5）RE的PartialMatch()成员用来判断某字符串的部分是否匹配指定正则表达式
4. PCRE/PCRE++使用注意事项（1）使用pcre请包含pcre.h头文件（2）使用pcre_compile, pcre_exec后，记得调用pcre_free释放内存，以免造成内存泄露（3）使用pcre编译的时候需要依赖libpcre.a（4）使用pcre++请包含pcrecpp.h头文件（5）使用pcre++，RE类的析构函数会自动释放相关内存，因此不用担心内存泄露（6）使用pcre++编译的时候需要依赖libpcrecpp.a（7）使用pcrecpp要使用pcrecpp命名空间5. PCRE使用举例下面是例程：
1234567891011121314151617181920212223242526272829303132333435
#include <pcre .h>#include <stdio .h>#include <string .h> int main(int argc, char ** argv){ if (argc != 3) { printf("Usage: %s pattern text/n", argv[0]); return 1; } const char * pPattern = argv[1]; const char * pText = argv[2]; const char * pErrMsg = NULL; pcre * pPcre = NULL; int nOffset = -1; if (NULL == (pPcre = pcre_compile(pPattern, 0, &pErrMsg, &nOffset, NULL))) { printf("ErrMsg=%s, Offset=%d/n", pErrMsg, nOffset); return 1; } else { if (pcre_exec(pPcre, NULL, pText, strlen(pText), 0, 0, NULL, 0) < 0) { printf("%s doesn't match %s/n", pText, pPattern); } else { printf("%s matches %s/n", pText, pPattern); } }}
下面是运行结果：
123456
wuzesheng@wuzesheng-ubuntu:~/Program$ !g++g++ -lpcre TestPcre.cpp -o pcrewuzesheng@wuzesheng-ubuntu:~/Program$ ./pcre "http:.*/.qq/.com" "http://www.qq.com"http://www.qq.com matches http:.*/.qq/.comwuzesheng@wuzesheng-ubuntu:~/Program$ ./pcre "http:.*/.qq/.com" "http://www.qqq.com"http://www.qqq.com doesn't match http:.*/.qq/.com
6. PCRE++使用举例下面是例程：
12345678910111213141516171819202122232425
#include <iostream>#include <pcrecpp .h> int main(int argc, char ** argv){ if (argc != 3) { std::cerr < < "Usage: " << argv[0] << " pattern text/n"; return 1; } pcrecpp::RE oPattern(argv[1]); if (oPattern.FullMatch(argv[2])) { std::cout << argv[2] << " fully matches " << argv[1] << "/n"; } else if (oPattern.PartialMatch(argv[2])) { std::cout << argv[2] << " partially matches " << argv[1] << "/n"; } else { std::cout << argv[2] << " dose not match " << argv[1] << "/n"; } }
下面是运行结果：
123456789
wuzesheng@wuzesheng-ubuntu:~/Program$ g++ TestPcreCpp.cpp -lpcrecpp -o pcrecppwuzesheng@wuzesheng-ubuntu:~/Program$ ./pcrecppUsage: ./pcrecpp pattern textwuzesheng@wuzesheng-ubuntu:~/Program$ ./pcrecpp "http:.*/.qq/.com" "http://www.qq.com"http://www.qq.com fully matches http:.*/.qq/.comwuzesheng@wuzesheng-ubuntu:~/Program$ ./pcrecpp "http:.*/.qq/.com" "http://www.qq.comiii"http://www.qq.comiii partially matches http:.*/.qq/.comwuzesheng@wuzesheng-ubuntu:~/Program$ ./pcrecpp "http:.*/.qq/.com" "http://www.qqq.comiii"http://www.qqq.comiii dose not match http:.*/.qq/.com
以上即是关于PCRE和PCRE++库介绍的全部内容，由于内容比较多，我只介绍了一些关键的接口及其用法，如果读者朋友想更加深入的了解其它的接 口，可以参考我上面提到的官方网站，另外linux下的manual也是很好的参考资料。在shell下执行man pcre和man pcrecpp便可得到很详细的资料。
2、
//code by yangjian:useage: ./cmd regex < string.txt#include<stdio.h>#include<regex.h>#define nmatch 1//char* string="<div>;test</div>/n";char string[4096];char ret[1024];main(int agrc,char *argv[]){// fgets(lbuf, sizeof(lbuf), stdin);
regex_t preg; //char * regex="abc+"; char * regex=argv[1]; char * cur; regmatch_t pmatch [nmatch]; int i; fread(string,sizeof(string),1,stdin); bzero(&preg,sizeof(regex_t)); if(regcomp(&preg,regex,REG_EXTENDED)!=0) { printf("compile regex error!!"); } cur=string; //printf("str: %s",cur); i=0; while(regexec(&preg,cur,nmatch,pmatch,0)==0) { //pmatch[0].rm_so==-1; //memset( pmatch, 0x00, sizeof(pmatch)); if(pmatch[0].rm_so==-1) { break; }
memset( ret, 0x00, sizeof(ret)); memcpy( ret,cur+pmatch[0].rm_so,pmatch[0].rm_eo-pmatch[0].rm_so); printf("%d: ",i++); printf("%s/n/n",ret); cur+=pmatch[0].rm_eo; //printf("str: %s/n",cur); } regfree(&preg);}
这是一个比较通用的程序。它会读入整个文本文件作为一个字符串来进行匹配。并非按行读取。注意这行： while(regexec(&preg,cur,nmatch,pmatch,0)==0)
实验证明，实际上它每次执行regexec它找个第一个匹配结果就返回了。不要妄想它一下子把所有的匹配结果都找到把地址放到pmatch数组里。书上的写发很容易让人造成这种误解。因为它每次只匹配一个结果就返回，所以要循环匹配。
好了，先回去睡觉了。有空再写。时间不早了。 ./a.out "<td[a-z0-9=%<>/ ]+.{2,20}[ a-z/<>]+td>" < string.txt
