Linux программирование в примерах

Роббинс Арнольд

POSIX определяет два вида регулярных выражений: базовый и расширенный. Программы типа

grep

,

sed

и строчный редактор

ed

используют базовые регулярные выражения. Программы типа

egrep

и

awk

используют расширенные регулярные выражения. Следующие функции дают вам возможность использовать в своих программах любой вид.

#include <sys/types.h> /* POSIX */

#include <regex.h>

int regcomp(regex_t *preg, const char *regex, int cflags);

int regexec(const regex_t *preg, const char *string, size_t nmatch,

 regmatch_t pmatch[], int eflags);

size_t regerror(int errcode, const regex_t *preg,

 char *errbuf, size_t errbuf_size);

void regfree(regex_t *preg);

Чтобы

сопоставить регулярное выражение, нужно сначала откомпилировать строчную версию регулярного выражения. Компиляция преобразует регулярное выражение во внутренний формат. Затем откомпилированная форма исполняется для строки для проверки, совпадает ли она с первоначальным регулярным выражением. Функции следующие.

int regcomp(regex_t *preg, const char *regex, int cflags)

Компилирует регулярное выражение

regex

во внутреннее представление, сохраняя его в структуре

regex_t

, на которую указывает

preg

.

cflags

контролирует процесс компиляции; ее значение равно 0 или побитовому ИЛИ одного или более флагов из табл. 12.7

int regexec(const regex_t *preg, const char *string, size_t nmatch,

 regmatch_t pmatch[], int eflags)

Выполняет откомпилированное регулярное выражение в

*preg

в строке

string eflags

контролирует способ выполнения; ее значение равно 0 или побитовому ИЛИ одного или более флагов из табл. 12.8. Вскоре мы обсудим другие аргументы.

size_t regerror(int errcode, const regex_t *preg,

 char *errbuf, size_t errbuf_size)

Преобразует ошибку, возвращенную

regcomp

или

regexec

, в удобочитаемую строку.

void regfree(regex_t *preg)

Освобождает динамическую память, используемую откомпилированным регулярным выражением в

*preg

.

Заголовочный файл

<regex.h>

определяет ряд флагов. Некоторые используются с

regcomp

; другие используются с

regexec

. Однако, все они начинаются с префикса '

REG_

'. В табл. 12.7 перечислены флаги для компиляции регулярных выражений с помощью

regcomp

.

Таблица 12.7. Флаги для

regcomp

Константа	Значение
REG_EXTENDED	Использовать расширенные регулярные выражения. По умолчанию используются базовые регулярные выражения
REG_ICASE	Сопоставление regexec игнорирует регистр символов
REG_NEWLINE	Операторы, заменяющие любой символ, не включают символ конца строки
REG_NOSUB	Информация о начале и конце вложенною шаблона не требуется (см текст)

Флаги для сопоставления регулярных выражений с помощью

regexec

приведены в табл. 12.8.

Таблица 12.8. Флаги дли

regexec

Константа	Значение
REG_NOTBOL	Оператор ^ (начало строки) не сопоставляется
REG_NOTEOL	Оператор $ (конец строки) не сопоставляется

Флаги

REG_NEWLINE

,

REG_NOTBOL

и

REG_NOTEOL

взаимодействуют друг с другом. Это немного запутано, поэтому мы будем продвигаться небольшими шажками.

• Когда в

cflags

не включен

REG_NEWLINE

, символ конца строки действует в качестве обычного символа. С ним может быть сопоставлен метасимвол '

.

' (любой символ), а также дополненные списки символов ('

[^...]

'). При этом

$

не сопоставляется немедленно с началом вставленного символа новой строки, а

^

не сопоставляется немедленно с его концом.

• Когда в

eflags

установлен

REG_NOTBOL

, оператор

^

не соответствует началу строки. Это полезно, когда параметр

string

является адресом символа в середине сопоставляемого текста.

• Сходным образом, когда в

eflags

установлен

REG_NOTEOL

, оператор

$

не соответствует концу строки.

• Когда в

cflags

включен

REG_NEWLINE

, то:

 • Символ конца строки не соответствует '

.

' или дополненному списку символов.

 • Оператор

^

всегда соответствует положению непосредственно за вставленным символом конца строки независимо от установки

REG_BOL

.

 • Оператор

$

всегда соответствует положению непосредственно перед вставленным символом конца строки независимо от установки

REG_EOL

.

Когда вы осуществляете построчный ввод/вывод, как в случае с

grep

, можно не включать

REG_NEWLINE

в

cflags

. Если в буфере несколько строк, и каждую из них нужно рассматривать как отдельную, с сопоставлением

^

и

$

, тогда следует включить

REG_NEWLINE

.

Структура

regex_t

по большей части непрозрачна. Код уровня пользователя может исследовать лишь один член этой структуры; остальное предназначено для внутреннего использования процедурами регулярных выражений: