「Linux C 正则表达式」——用 C 语言优雅处理字符串-猿码集

1. 前言

在 C 语言中，处理字符串是一项非常重要的工作。而正则表达式可以帮助我们更加优雅的处理字符串。本文将介绍如何在 Linux C 中使用正则表达式来处理字符串。文章从什么是正则表达式开始，逐步引入 C 语言中正则表达式的使用方法，介绍了常见的正则表达式匹配函数。

2. 正则表达式简介

2.1 什么是正则表达式

正则表达式是一种字符串匹配模式，用于检索文本中符合给定模式的字符串。可以通过使用正则表达式来执行搜索、替换等操作。

正则表达式是由特殊字符和普通字符组成的表达式，特殊字符具有特殊的含义，用于表示一类字符，而普通字符则表示单个字符。例如，字符类 [] 匹配其中任意一个字符，量词符 * 表示匹配前面的字符出现 0 次或多次。

2.2 正则表达式常用语法

下表列举了正则表达式中常用的语法：

语法	描述
.	匹配任意单个字符，除了换行符和行结束符
[...]	匹配方括号中的任意单个字符
[^...]	匹配不在方括号中的任意单个字符
^	匹配字符串开始位置
$	匹配字符串结束位置
*	匹配前面的字符出现零次或多次
+	匹配前面的字符出现一次或多次
?	匹配前面的字符出现零次或一次
{n}	匹配前面的字符恰好出现 n 次
{n, m}	匹配前面的字符至少出现 n 次，至多出现 m 次
(...)	匹配圆括号中的任意表达式，并将其作为一个分组
\|	匹配 \| 左侧或右侧的任意表达式
\	用于转义特殊字符

2.3 正则表达式实例

下表列举了一些常用的正则表达式实例：

正则表达式	描述
^[a-z]+$	匹配只包含小写字母的字符串
^(http:\/\/\|https:\/\/)[a-zA-Z0-9]+\.[a-zA-Z0-9]+\.[a-zA-Z0-9]+$	匹配以 http:// 或 https:// 开头，中间有一个或多个字母数字字符，以 . 分隔，以字母数字字符结束的字符串
^\d{3}-\d{2}-\d{4}$	匹配美国的社会安全号码格式：###-##-####

3. Linux C 中的正则表达式

3.1 regex.h 头文件

C 语言的正则表达式库在头文件 regex.h 中。该库提供了多个函数，可用于处理正则表达式匹配。

3.2 正则表达式匹配函数

下面是 regex.h 中常用的正则表达式匹配函数：

regcomp()

regexec()

regerror()

regfree()

regcomp() 函数用于编译正则表达式为一个内部格式，以便后续使用。regexec() 函数用于执行匹配操作。如果一个字符串匹配了正则表达式，那么 regexec() 函数将返回 0，否则将返回一个非零值。regerror() 函数用于打印关于错误的信息。regfree() 函数用于释放由 regcomp() 函数分配的内存。

4. 示例代码

4.1 匹配 IP 地址

下面的代码演示了如何使用正则表达式匹配 IP 地址：


#include <stdio.h>
#include <stdlib.h>
#include <regex.h>
int main()
{
    char *str = "192.168.1.1";
    regex_t regex;
    int reti;
    char msgbuf[100];
    // 编译正则表达式
    reti = regcomp(&regex, "^(\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}\\.\\d{1,3})$", 0);
    if (reti) {
        fprintf(stderr, "Could not compile regex\n");
        exit(1);
    }
    // 执行匹配操作
    reti = regexec(&regex, str, 0, NULL, 0);
    if (!reti) {
        printf("%s is a valid IP address\n", str);
    } else if (reti == REG_NOMATCH) {
        printf("%s is not a valid IP address\n", str);
    } else {
        regerror(reti, &regex, msgbuf, sizeof(msgbuf));
        fprintf(stderr, "Regex match failed: %s\n", msgbuf);
        exit(1);
    }
    // 释放内存
    regfree(&regex);
    return 0;
}

该代码使用正则表达式 ^(\\d{1,3}\\.\\d{1,3}\\.\\d{1,3}\\.\\d{1,3})$ 匹配一个 IP 地址。其中，\\d 表示一个数字字符，{n,m} 表示前面的字符出现 n 次到 m 次。这个正则表达式可以匹配类似 192.168.1.1 这样的 IP 地址，而不能匹配例如 192.168.01.1 这样的非法 IP 地址。

4.2 匹配手机号码

下面的代码演示了如何使用正则表达式匹配手机号码：


#include <stdio.h>
#include <stdlib.h>
#include <regex.h>
int main()
{
    char *str = "13001234567";
    regex_t regex;
    int reti;
    char msgbuf[100];
    // 编译正则表达式
    reti = regcomp(&regex, "^(1[3456789]\\d{9})$", 0);
    if (reti) {
        fprintf(stderr, "Could not compile regex\n");
        exit(1);
    }
    // 执行匹配操作
    reti = regexec(&regex, str, 0, NULL, 0);
    if (!reti) {
        printf("%s is a valid phone number\n", str);
    } else if (reti == REG_NOMATCH) {
        printf("%s is not a valid phone number\n", str);
    } else {
        regerror(reti, &regex, msgbuf, sizeof(msgbuf));
        fprintf(stderr, "Regex match failed: %s\n", msgbuf);
        exit(1);
    }
    // 释放内存
    regfree(&regex);
    return 0;
}

该代码使用正则表达式 ^(1[3456789]\\d{9})$ 匹配一个手机号码。其中，1[3456789] 表示手机号码的前三位是 13、14、15、16、17、18 或 19。\\d 表示任意一个数字字符，{9} 表示前面的字符出现 9 次。这个正则表达式可以匹配类似 13001234567 这样的手机号码，而不能匹配例如 12000123456 这种非法手机号码。

4.3 匹配邮箱地址

下面的代码演示了如何使用正则表达式匹配邮箱地址：


#include <stdio.h>
#include <stdlib.h>
#include <regex.h>
int main()
{
    char *str = "john.doe@gmail.com";
    regex_t regex;
    int reti;
    char msgbuf[100];
    // 编译正则表达式
    reti = regcomp(&regex, "^([a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\\.[a-zA-Z]{2,})$", 0);
    if (reti) {
        fprintf(stderr, "Could not compile regex\n");
        exit(1);
    }
    // 执行匹配操作
    reti = regexec(&regex, str, 0, NULL, 0);
    if (!reti) {
        printf("%s is a valid email address\n", str);
    } else if (reti == REG_NOMATCH) {
        printf("%s is not a valid email address\n", str);
    } else {
        regerror(reti, &regex, msgbuf, sizeof(msgbuf));
        fprintf(stderr, "Regex match failed: %s\n", msgbuf);
        exit(1);
    }
    // 释放内存
    regfree(&regex);
    return 0;
}

该代码使用正则表达式 ^([a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\\.[a-zA-Z]{2,})$ 匹配一个邮箱地址。其中，[a-zA-Z0-9._%+-] 匹配任意一个字母、数字、点、下划线、百分号、加号、减号。@[a-zA-Z0-9.-]+ 匹配一个 @ 符号，后面跟着一个或多个字母、数字、点、减号。最后的[a-zA-Z]{2,} 匹配任意两个或以上的字母。这个正则表达式可以匹配类似 john.doe@gmail.com 这样的邮箱地址。

5. 总结

Linux C 语言提供了内置的正则表达式库来帮助处理字符串。通过使用正则表达式，我们可以更加优雅地处理字符串，进行搜索、替换等操作。在本文中，我们首先介绍了正则表达式的基本知识，包括正则表达式的语法和实例。然后，我们介绍了 Linux C 中的正则表达式库 regex.h，以及常用的正则表达式匹配函数。最后，我们通过示例代码演示了如何使用正则表达式匹配 IP 地址、手机号码、邮箱地址。希望读者在学习本文后，能够更好地应用正则表达式来处理字符串。

「Linux C 正则表达式」——用 C 语言优雅处理字符串