linux 查找pcre源码,pcre使用例子
1. PCRE簡介
PCRE(Perl Compatible Regular Expressions即：perl語言兼容正則表達式)是一個用C語言編寫的正則表達式函數庫，由菲利普.海澤(Philip Hazel)編寫。PCRE是一個輕量級的函數庫，比Boost之中的正則表達式庫小得多。PCRE十分易用，同時功能也很強大，性能超過了POSIX正則表達式庫和一些經典的正則表達式庫。
和Boost正則表達式庫的比較顯示，雙方的性能相差無幾，PCRE在匹配簡單字符串時更快，Boost則在匹配較長字符串時勝出---但兩者差距很小，考慮到PCRE的大小和易用性，我們可以認為PCRE更值得考慮。
PCRE被廣泛使用在許多開源軟件之中，最著名的莫過于Apache HTTP服務器和PHP腳本語言、R腳本語言，此外，正如從其名字所能看到的，PCRE也是perl語言的缺省正則庫。
PCRE是用C語言實現的，其C++實現版本是PCRE++。
2.?正則表達式定義
一個正則表達式就是由普通字符(例如字符?a?到?z)以及特殊字符(稱為元字符)組成的文字模式。該模式描述在查找文字主體時待匹配的一個或多個字符串。正則表達式作為一個模板，將某個字符模式與所搜索的字符串進行匹配。
例如下面一些正則表達式：
^(-?\d+)(\.\d+)?$ ????匹配浮點數
^[A-Za-z]+$????????????匹配由26個英文字母組成的字符串
^[A-Z]+$ ?????????????匹配由26個英文字母的大寫組成的字符串
^[a-z]+$ ???????????匹配由26個英文字母的小寫組成的字符串
^[A-Za-z0-9]+$ ?????匹配由數字和26個英文字母組成的字符串
^\w+$ ??????????????匹配由數字、26個英文字母或者下劃線組成的字符串
^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$ 匹配email地址
當然，可能你會問上面這些表達式為什么是這樣寫。這里就暫時不做多講，因為本文主要講的是PCRE庫的應用，所以想了解更多的話，可以看我下面的[附錄1]，里面有全部正則表式用到的元字符說明?；騾⒖季W址正則表達式語言元素msdn文檔。
3. PCRE正則表達式的定義
用于描述字符排列和匹配模式的一種語法規則。它主要用于字符串的模式分割、匹配、查找及替換操作。正則中重要的幾個概念有：元字符、轉義、模式單元(重復)、反義、引用和斷言。
常用的元字符(Meta-character)
元字符????說明
\A?????匹配字符串串首的原子
\Z?????匹配字符串串尾的原子
\b?????匹配單詞的邊界/\bis/匹配頭為is的字符串/is\b/?匹配尾為is的字符串?/\bis\b/?定界
\B?????匹配除單詞邊界之外的任意字符?? /\Bis/???匹配單詞“This”中的“is”
\d?????匹配一個數字；等價于[0-9]
\D?????匹配除數字以外任何一個字符；等價于[^0-9]
\w?????匹配一個英文字母、數字或下劃線；等價于[0-9a-zA-Z_]
\W?????匹配除英文字母、數字和下劃線以外任何一個字符；等價于[^0-9a-zA-Z_]
\s?????匹配一個空白字符；等價于[\f\t\v]
\S?????匹配除空白字符以外任何一個字符；等價于[^\f\t\v]
\f?????匹配一個換頁符等價于?\x0c?或?\cL
匹配一個換行符；等價于?\x0a?或?\cJ
匹配一個回車符等價于\x0d?或?\cM
\t?????匹配一個制表符；等價于?\x09\或\cl
\v?????匹配一個垂直制表符；等價于\x0b或\ck
\oNN????匹配一個八進制數字
\xNN????匹配一個十六進制數字
\cC?????匹配一個控制字符
模式修正符(Pattern Modifiers)
模式修正符在忽略大小寫、匹配多行中使用特別多，掌握了這一個修正符，往往能解決我們遇到的很多問題。
i?????－可同時匹配大小寫字母
M?????－將字符串視為多行
S?????－將字符串視為單行，換行符做普通字符看待，使“.”匹配任何字符
X?????－模式中的空白忽略不計
U?????－匹配到最近的字符串
e?????－將替換的字符串作為表達使用
格式：/apple/i匹配“apple”或“Apple”等，忽略大小寫。?當然這里還有很多種情況，在這里就不一一描述出來了。
4. PCRE的函數簡介
PCRE是一個NFA正則引擎，不然不能提供完全與Perl一致的正則語法功能。但它同時也實現了DFA，只是滿足數學意義上的正則。
PCRE提供了19個接口函數。
這里只介紹了幾個主要和常用的接口函數，另外的可通過PCRE源碼文檔進行了解。注意，使用PCRE主要是使用下面介紹的前四個函數，對這四個函數有了了解，使用PCRE庫的時候就會簡單很多了。
下面所講的函數，都在PCRE頭文件上定義申明：#include 。
1.pcre_compile
函數原型：
pcre *pcre_compile(const char *pattern, int options, const char **errptr, int *erroffset, const unsigned char *tableptr)
功能：將一個正則表達式編譯成一個內部表示，在匹配多個字符串時，可以加速匹配。其同pcre_compile2功能一樣只是缺少一個參數errorcodeptr。
參數說明：
pattern???正則表達式
options???為0，或者其他參數選項
errptr???出錯消息
erroffset??出錯位置
tableptr??指向一個字符數組的指針，可以設置為空NULL。
2. pcre_compile2
函數原型：
pcre *pcre_compile2(const char *pattern, int options, int *errorcodeptr, const char **errptr, int *erroffset, const unsigned char *tableptr)
功能：將一個正則表達式編譯成一個內部表示，在匹配多個字符串時，可以加速匹配。其同pcre_compile功能一樣只是多一個參數errorcodeptr。
參數：
pattern ? ??正則表達式
options ? ??為0，或者其他參數選項
errorcodeptr?存放出錯碼
errptr ? ? ?出錯消息
erroffset???出錯位置
tableptr ? ?指向一個字符數組的指針，可以設置為空NULL。
3. pcre_exec
函數原型：
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：使用編譯好的模式進行匹配，采用與Perl相似的算法，返回匹配串的偏移位置。
參數：
code?????????編譯好的模式
extra????????指向一個pcre_extra結構體，可以為NULL
subject??????需要匹配的字符串
length???????匹配的字符串長度(Byte)
startoffset??匹配的開始位置
options??????選項位
ovector??????指向一個結果的整型數組
ovecsize?????數組大小。
4．?pcre_study
函數原型：
pcre_extra *pcre_study(const pcre *code, int options, const char **errptr)
功能：對編譯的模式進行學習，提取可以加速匹配過程的信息。
參數：
code??????已編譯的模式
options???選項
errptr ? ?出錯消息
5. pcre_version
函數原型：
char *pcre_version(void)
功能：返回PCRE的版本信息。
參數：無。
6. pcre_config
函數原型：
int pcre_config(int what, void *where)
功能：查詢當前PCRE版本中使用的選項信息。
參數：
what ? ? ? ?選項名
where???????存儲結果的位置
7．pcre_maketables
函數原型：
const unsigned char *pcre_maketables(void)
功能：生成一個字符表，表中每一個元素的值不大于256，可以用它傳給pcre_compile()替換掉內建的字符表。
參數：無
5.?使用PCRE在C語言中實現正則表達式的解析
上述講了這么多PCRE相關函數的介紹，目的還是為了能夠運用上，所以這里就先講解下使用PCRE的過程。主要過程分三步走第一步編譯正則表達式；第二匹配正則表達式；第三步釋放正則表達式。
1．編譯正則表達式
為了提高效率，在將一個字符串與正則表達式進行比較之前，首先要用pcre_compile() /pcre_compile2()?函數對它時行編譯，轉化成PCRE引擎能夠識別的結構(struct real_pcre)。
這里還可以調用pcre_study()函數，對編譯后的正則表達式結構(struct real_pcre)時行分析和學習，學習的結果是一個數據結構(struc pcre_extra)，這個數據結構連同編譯后的規則(struct real_pcre)可以一起送給pcre_exec單元進行匹配。
2.?匹配正則表達式
一旦用函數pcre_compile() /pcre_compile2()成功地編譯了正則表達式，接下來就可以調用pcre_exec()函數完成模式匹配。根據正則表達式到指定的字符串中進行查找和匹配,并輸出匹配的結果。
3.?釋放正則表達式
無論什么時候，當不再需要已經編譯過的正則表達式時，都應該調用函數free()將其釋放，以免產生內在泄漏。
6. PCRE函數在C語言中的使用小例子
在使用PCRE庫時，首先肯定是需要安裝pcre的，不過一般的系統都會有自帶的PCRE庫。不過如果想使用最新版本的話，也可以自已下載一個安裝包。我這里下載的安裝是pcre-8.13.tar.gz版本。安裝過程很簡單，把安裝包上傳需要安裝的服務器上，安裝時默認路徑即可，我是在linux環境下安裝的，執行命令如下：
1.[root@host70-151 pcre-8.13]# ./configure
2.[root@host70-151 pcre-8.13]# make && make install
此兩步即可安裝完成，安裝成功后的頭文件在：/usr/local/include,?庫文件在:/usr/local/lib?。
下面是我的一個使用PCRE庫函數的一個小例子，其功能是匹配手機號碼的正則表達式是否成功，分成四類手機號碼時行匹配，分別是移動、電信、聯通和CDMA的手機號。里面用到了PCRE庫函數中的pcre_compile()和pcre_exec()：
因為我是在linux下編譯C程序的，所以要用到makefile文件。注意：如果你在編譯時出現提示：
/usr/zej/zej_test/kernel/pcre_test2.c:29:?undefined reference to `pcre_compile'
/usr/zej/zej_test/kernel/pcre_test2.c:35:?undefined reference to `pcre_exec'
沒有定義pcre.h文件里面的函數時，是因為沒有鏈接到庫文件里，這時可以能過修改makefile，在l里面添加一個lpcre即可。然后在編譯便可成功。
點擊(此處)折疊或打開
#include
#include
#include
#include
#include
#include
#include
#include
#include
#include
#include
#include
#include
#include
#include "pcre.h"
#include
#include
using namespace std;
#define OVECCOUNT 30 /* should be a multiple of 3 */
#define EBUFLEN 128
#define BUFLEN 1024
int main()
{
pcre *reCM, *reUN, *reTC, *reCDMA;
const char *error;
int erroffset;
int ovector[OVECCOUNT];
int rcCM, rcUN, rcTC, rcCDMA, i;
/*
yidong:134.135.136.137.138.139.150.151.152.157.158.159.187.188,147
liandong:130.131.132.155.156.185.186
dianxin:133.153.180.189
CDMA :133,153
*/
char src[22];
char pattern_CM[] = "^1(3[4-9]|5[012789]|8[78])\\d{8}$";
char pattern_UN[] = "^1(3[0-2]|5[56]|8[56])\\d{8}$";
char pattern_TC[] = "^18[09]\\d{8}$";
char pattern_CDMA[] = "^1[35]3\\d{8}$";
printf("please input your telephone number \n");
scanf("%s", src);
printf("String : %s\n", src);
printf("Pattern_CM: \"%s\"\n", pattern_CM);
printf("Pattern_UN: \"%s\"\n", pattern_UN);
printf("Pattern_TC: \"%s\"\n", pattern_TC);
printf("Pattern_CDMA: \"%s\"\n", pattern_CDMA);
reCM = pcre_compile(pattern_CM, 0, &error, &erroffset, NULL);
reUN = pcre_compile(pattern_UN, 0, &error, &erroffset, NULL);
reTC = pcre_compile(pattern_TC, 0, &error, &erroffset, NULL);
reCDMA = pcre_compile(pattern_CDMA, 0, &error, &erroffset, NULL);
if (reCM==NULL && reUN==NULL && reTC==NULL && reCDMA==NULL) {
printf("PCRE compilation telephone failed at offset %d: %s\n", erroffset, error);
return 1;
}
rcCM = pcre_exec(reCM, NULL, src, strlen(src), 0, 0, ovector, OVECCOUNT);
rcUN = pcre_exec(reUN, NULL, src, strlen(src), 0, 0, ovector, OVECCOUNT);
rcTC = pcre_exec(reTC, NULL, src, strlen(src), 0, 0, ovector, OVECCOUNT);
rcCDMA = pcre_exec(reCDMA, NULL, src, strlen(src), 0, 0, ovector, OVECCOUNT);
if (rcCM<0 && rcUN<0 && rcTC<0 && rcCDMA<0) {
if (rcCM==PCRE_ERROR_NOMATCH && rcUN==PCRE_ERROR_NOMATCH &&
rcTC==PCRE_ERROR_NOMATCH && rcTC==PCRE_ERROR_NOMATCH) {
printf("Sorry, no match ...\n");
}
else {
printf("Matching error %d\n", rcCM);
printf("Matching error %d\n", rcUN);
printf("Matching error %d\n", rcTC);
printf("Matching error %d\n", rcCDMA);
}
free(reCM);
free(reUN);
free(reTC);
free(reCDMA);
return 1;
}
printf("\nOK, has matched ...\n\n");
if (rcCM > 0) {
printf("Pattern_CM: \"%s\"\n", pattern_CM);
printf("String : %s\n", src);
}
if (rcUN > 0) {
printf("Pattern_UN: \"%s\"\n", pattern_UN);
printf("String : %s\n", src);
}
if (rcTC > 0) {
printf("Pattern_TC: \"%s\"\n", pattern_TC);
printf("String : %s\n", src);
}
if (rcCDMA > 0) {
printf("Pattern_CDMA: \"%s\"\n", pattern_CDMA);
printf("String : %s\n", src);
}
free(reCM);
free(reUN);
free(reTC);
free(reCDMA);
return 0;
}
點擊(此處)折疊或打開
#include
#include
#include
#include
#include
#include
#include
#include
#include
#include
#include
#include
#include
#include
#include "pcre.h"
#include
#include
using namespace std;
#define OVECCOUNT 30 /* should be a multiple of 3 */
#define EBUFLEN 128
#define BUFLEN 1024
int main()
{
pcre *re;
const char *error;
int erroffset;
int ovector[OVECCOUNT];
int rc, i;
char buffer[128];
memset(buffer,'\0',128);
char src [] = "Hello World";
char pattern [] = "(.*)";
printf("String : %s\n", src);
printf("Pattern: \"%s\"\n", pattern);
re = pcre_compile(pattern, 0, &error, &erroffset, NULL);
if (re == NULL) {
printf("PCRE compilation failed at offset %d: %s\n", erroffset, error);
return 1;
}
rc = pcre_exec(re, NULL, src, strlen(src), 0, 0, ovector, OVECCOUNT);
if (rc < 0) {
if (rc == PCRE_ERROR_NOMATCH) printf("Sorry, no match ...\n");
else printf("Matching error %d\n", rc);
free(re);
return 1;
}
printf("\nOK, has matched ...\n\n");
for (i = 0; i < rc; i++)
{
char *substring_start = src + ovector[2*i];
int substring_length = ovector[2*i+1] - ovector[2*i];
printf("%2d: %.*s\n", i, substring_length, substring_start);
}
free(re);
return 0;
}
[1]：一些正則表達庫的對比
[2]：Boost和PCRE正則庫的性能對比
[3]：正則表達式語言元素
附錄1：
元字符及其在正則表達式上下文中的行為的一個完整列表：
字符
描述
\
將下一個字符標記為一個特殊字符、或一個原義字符、或一個 后向引用、或一個八進制轉義符。例如，'n'?匹配字符?"n"。'\n'?匹配一個換行符。序列?'\\'?匹配?"\"?而?"\("?則匹配?"("。
^
匹配輸入字符串的開始位置。如果設置了?RegExp?對象的?Multiline?屬性，^?也匹配?'\n'?或?'\r'之后的位置。
$
匹配輸入字符串的結束位置。如果設置了RegExp?對象的?Multiline?屬性，$?也匹配?'\n'?或?'\r'之前的位置。
*
匹配前面的子表達式零次或多次。例如，zo*?能匹配?"z"?以及?"zoo"。?*?等價于{0,}。
+
匹配前面的子表達式一次或多次。例如，'zo+'?能匹配?"zo"?以及?"zoo"，但不能匹配?"z"。+?等價于{1,}。
?
匹配前面的子表達式零次或一次。例如，"do(es)?"?可以匹配?"do"?或?"does"?中的"do"?。??等價于{0,1}。
{n}
n?是一個非負整數。匹配確定的?n?次。例如，'o{2}'?不能匹配?"Bob"?中的?'o'，但是能匹配?"food"中的兩個?o。
{n,}
n?是一個非負整數。至少匹配n?次。例如，'o{2,}'?不能匹配?"Bob"?中的?'o'，但能匹配?"foooood"中的所有?o。'o{1,}'?等價于?'o+'。'o{0,}'?則等價于?'o*'。
{n,m}
m?和?n?均為非負整數，其中n?<=?m。最少匹配?n?次且最多匹配?m?次。劉，?"o{1,3}"?將匹配"fooooood"?中的前三個?o。'o{0,1}'?等價于?'o?'。請注意在逗號和兩個數之間不能有空格。
?
當該字符緊跟在任何一個其他限制符?(*, +, ?, {n}, {n,}, {n,m})?后面時，匹配模式是非貪婪的。非貪婪模式盡可能少的匹配所搜索的字符串，而默認的貪婪模式則盡可能多的匹配所搜索的字符串。例如，對于字符串?"oooo"，'o+?'?將匹配單個?"o"，而?'o+'?將匹配所有?'o'。
.
匹配除?"\n"?之外的任何單個字符。要匹配包括?'\n'?在內的任何字符，請使用象?'[.\n]'?的模式。
(pattern)
匹配pattern?并獲取這一匹配。所獲取的匹配可以從產生的?Matches?集合得到，在VBScript?中使用?SubMatches?集合，在Visual Basic Scripting Edition?中則使用?$0…$9?屬性。要匹配圓括號字符，請使用?'\('?或?'\)'。
(?:pattern)
匹配?pattern?但不獲取匹配結果，也就是說這是一個非獲取匹配，不進行存儲供以后使用。這在使用"或"?字符?(|)?來組合一個模式的各個部分是很有用。例如，?'industr(?:y|ies)?就是一個比'industry|industries'?更簡略的表達式。
(?=pattern)
正向預查，在任何匹配?pattern?的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以后使用。例如，?'Windows (?=95|98|NT|2000)'?能匹配?"Windows 2000"?中的"Windows"?，但不能匹配?"Windows 3.1"?中的?"Windows"。預查不消耗字符，也就是說，在一個匹配發生后，在最后一次匹配之后立即開始下一次匹配的搜索，而不是從包含預查的字符之后開始。
(?!pattern)
負向預查，在任何不匹配Negative lookahead matches the search string at any point where a string not matching?pattern?的字符串開始處匹配查找字符串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以后使用。例如'Windows (?!95|98|NT|2000)'?能匹配?"Windows 3.1"?中的"Windows"，但不能匹配?"Windows 2000"?中的?"Windows"。預查不消耗字符，也就是說，在一個匹配發生后，在最后一次匹配之后立即開始下一次匹配的搜索，而不是從包含預查的字符之后開始
x|y
匹配?x?或?y。例如，'z|food'?能匹配?"z"?或?"food"。'(z|f)ood'?則匹配?"zood"?或?"food"。
[xyz]
字符集合。匹配所包含的任意一個字符。例如，?'[abc]'?可以匹配?"plain"?中的?'a'。
[^xyz]
負值字符集合。匹配未包含的任意字符。例如，?'[^abc]'?可以匹配?"plain"?中的'p'。
[a-z]
字符范圍。匹配指定范圍內的任意字符。例如，'[a-z]'?可以匹配?'a'?到?'z'?范圍內的任意小寫字母字符。
[^a-z]
負值字符范圍。匹配任何不在指定范圍內的任意字符。例如，'[^a-z]'?可以匹配任何不在?'a'?到?'z'范圍內的任意字符。
\b
匹配一個單詞邊界，也就是指單詞和空格間的位置。例如，?'er\b'?可以匹配"never"?中的?'er'，但不能匹配?"verb"?中的?'er'。
\B
匹配非單詞邊界。'er\B'?能匹配?"verb"?中的?'er'，但不能匹配?"never"?中的?'er'。
\cx
匹配由x指明的控制字符。例如，?\cM?匹配一個?Control-M?或回車符。?x?的值必須為?A-Z?或?a-z?之一。否則，將?c?視為一個原義的?'c'?字符。
\d
匹配一個數字字符。等價于?[0-9]。
\D
匹配一個非數字字符。等價于?[^0-9]。
\f
匹配一個換頁符。等價于?\x0c?和?\cL。
\n
匹配一個換行符。等價于?\x0a?和?\cJ。
\r
匹配一個回車符。等價于?\x0d?和?\cM。
\s
匹配任何空白字符，包括空格、制表符、換頁符等等。等價于?[?\f\n\r\t\v]。
\S
匹配任何非空白字符。等價于?[^?\f\n\r\t\v]。
\t
匹配一個制表符。等價于?\x09?和?\cI。
\v
匹配一個垂直制表符。等價于?\x0b?和?\cK。
\w
匹配包括下劃線的任何單詞字符。等價于'[A-Za-z0-9_]'。
\W
匹配任何非單詞字符。等價于?'[^A-Za-z0-9_]'。
\xn
匹配?n，其中?n?為十六進制轉義值。十六進制轉義值必須為確定的兩個數字長。例如，?'\x41'?匹配"A"。'\x041'?則等價于?'\x04' & "1"。正則表達式中可以使用?ASCII?編碼。.
\num
匹配?num，其中?num?是一個正整數。對所獲取的匹配的引用。例如，'(.)\1'?匹配兩個連續的相同字符。
\n
標識一個八進制轉義值或一個后向引用。如果?\n?之前至少?n?個獲取的子表達式，則?n?為后向引用。否則，如果?n?為八進制數字?(0-7)，則?n?為一個八進制轉義值。
\nm
標識一個八進制轉義值或一個后向引用。如果?\nm?之前至少有is preceded by at least?nm?個獲取得子表達式，則?nm?為后向引用。如果?\nm?之前至少有?n?個獲取，則?n?為一個后跟文字?m?的后向引用。如果前面的條件都不滿足，若??n?和?m?均為八進制數字?(0-7)，則?\nm?將匹配八進制轉義值?nm。
\nml
如果?n?為八進制數字?(0-3)，且?m?和?l?均為八進制數字?(0-7)，則匹配八進制轉義值?nml。
\un
匹配?n，其中?n?是一個用四個十六進制數字表示的?Unicode?字符。例如，?\u00A9?匹配版權符號(?)。
總結
以上是生活随笔為你收集整理的linux 查找pcre源码,pcre使用例子的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 《计算机体系结构：量化研究方法》读书笔记
- 下一篇： 10.25-sio