Linux программирование в примерах

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:

 typedef struct {
  /* ...здесь внутренний материал... */
  size_t re_nsub;
  /* ...здесь внутренний материал... */
 } regex_t;

В структуре regmatch_t есть по крайней мере два члена для использования кодом уровня пользователя:

 typedef struct {
  /* ...здесь возможный внутренний материал... */
  regoff_t rm_so; /* Смещение начала вложенной строки в байтах */