摘自博客园：https://www.cnblogs.com/LiuYanYGZ/p/5903946.html
在C语言中利用PCRE实现正则表达式
1. PCRE简介 PCRE(Perl Compatible Regular Expressions即：perl语言兼容正则表达式)是一个用C语言编写的正则表达式函数库，由菲利普.海泽(Philip Hazel)编写。PCRE是一个轻量级的函数库，比Boost之中的正则表达式库小得多。PCRE十分易用，同时功能也很强大，性能超过了POSIX正 则表达式库和一些经典的正则表达式库[1]。 和Boost正则表达式库的比较显示[2]，双方的性能相差无几，PCRE在匹配简单字符串时更快，Boost则在匹配较长字符串时胜出---但两者差距很小，考虑到PCRE的大小和易用性，我们可以认为PCRE更值得考虑。 PCRE被广泛使用在许多开源软件之中，最著名的莫过于Apache HTTP服务器和PHP脚本语言、R脚本语言，此外，正如从其名字所能看到的，PCRE也是perl语言的缺省正则库。 PCRE是用C语言实现的，其C++实现版本是PCRE++。
2. 正则表达式定义
一个正则表达式就是由普通字符（例如字符 a 到 z）以及特殊字符（称为元字符）组成的文字模式。该模式描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。 例如下面一些正则表达式： ^(-?\d+)(\.\d+)?$ 匹配浮点数 ^[A-Za-z]+$ 匹配由26个英文字母组成的字符串 ^[A-Z]+$ 匹配由26个英文字母的大写组成的字符串 ^[a-z]+$ 匹配由26个英文字母的小写组成的字符串 ^[A-Za-z0-9]+$ 匹配由数字和26个英文字母组成的字符串 ^\w+$ 匹配由数字、26个英文字母或者下划线组成的字符串 ^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$ 匹配email地址 当然，可能你会问上面这些表达式为什么是这样写。这里就暂时不做多讲，因为本文主要讲的是PCRE库的应用，所以想了解更多的话，可以看我下面的[附录1]，里面有全部正则表式用到的元字符说明。或参考网址[3]正则表达式语言元素msdn文档。
3. PCRE正则表达式的定义
用于描述字符排列和匹配模式的一种语法规则。它主要用于字符串的模式分割、匹配、查找及替换操作。正则中重要的几个概念有：元字符、转义、模式单元（重复）、反义、引用和断言。
常用的元字符(Meta-character) 元字符 说明 \A 匹配字符串串首的原子 \Z 匹配字符串串尾的原子 \b 匹配单词的边界/\bis/匹配头为is的字符串/is\b/ 匹配尾为is的字符串 /\bis\b/ 定界 \B 匹配除单词边界之外的任意字符 /\Bis/ 匹配单词“This”中的“is” \d 匹配一个数字；等价于[0-9] \D 匹配除数字以外任何一个字符；等价于[^0-9] \w 匹配一个英文字母、数字或下划线；等价于[0-9a-zA-Z_] \W 匹配除英文字母、数字和下划线以外任何一个字符；等价于[^0-9a-zA-Z_] \s 匹配一个空白字符；等价于[\f\t\v] \S 匹配除空白字符以外任何一个字符；等价于[^\f\t\v] \f 匹配一个换页符等价于 \x0c 或 \cL \n 匹配一个换行符；等价于 \x0a 或 \cJ \r 匹配一个回车符等价于\x0d 或 \cM \t 匹配一个制表符；等价于 \x09\或\cl \v 匹配一个垂直制表符；等价于\x0b或\ck \oNN 匹配一个八进制数字 \xNN 匹配一个十六进制数字 \cC 匹配一个控制字符
模式修正符（Pattern Modifiers） 模式修正符在忽略大小写、匹配多行中使用特别多，掌握了这一个修正符，往往能解决我们遇到的很多问题。 i －可同时匹配大小写字母 M －将字符串视为多行 S －将字符串视为单行，换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计 U －匹配到最近的字符串 e －将替换的字符串作为表达使用 格式：/apple/i匹配“apple”或“Apple”等，忽略大小写。 当然这里还有很多种情况，在这里就不一一描述出来了。
4. PCRE的函数简介
PCRE是一个NFA正则引擎，不然不能提供完全与Perl一致的正则语法功能。但它同时也实现了DFA，只是满足数学意义上的正则。 PCRE提供了19个接口函数。 这里只介绍了几个主要和常用的接口函数，另外的可通过PCRE源码文档进行了解。注意，使用PCRE主要是使用下面介绍的前四个函数，对这四个函数有了了解，使用PCRE库的时候就会简单很多了。 下面所讲的函数，都在PCRE头文件上定义申明：#include 。
1.pcre_compile 函数原型： pcre *pcre_compile(const char *pattern, int options, const char **errptr, int *erroffset, const unsigned char *tableptr) 功能：将一个正则表达式编译成一个内部表示，在匹配多个字符串时，可以加速匹配。其同pcre_compile2功能一样只是缺少一个参数errorcodeptr。 参数说明：
pattern 正则表达式
options 为0，或者其他参数选项
errptr 出错消息
erroffset 出错位置
tableptr 指向一个字符数组的指针，可以设置为空NULL。
2. pcre_compile2
函数原型：
pcre *pcre_compile2(const char *pattern, int options, int *errorcodeptr, const char **errptr, int *erroffset, const unsigned char *tableptr)
功能：将一个正则表达式编译成一个内部表示，在匹配多个字符串时，可以加速匹配。其同pcre_compile功能一样只是多一个参数errorcodeptr。
参数：
pattern 正则表达式
options 为0，或者其他参数选项
errorcodeptr 存放出错码
errptr 出错消息
erroffset 出错位置
tableptr 指向一个字符数组的指针，可以设置为空NULL。
3. pcre_exec
函数原型：
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：使用编译好的模式进行匹配，采用与Perl相似的算法，返回匹配串的偏移位置。
参数：
code 编译好的模式
extra 指向一个pcre_extra结构体，可以为NULL
subject 需要匹配的字符串
length 匹配的字符串长度（Byte）
startoffset 匹配的开始位置
options 选项位
ovector 指向一个结果的整型数组
ovecsize 数组大小。
4． pcre_study
函数原型：
pcre_extra *pcre_study(const pcre *code, int options, const char **errptr)
功能：对编译的模式进行学习，提取可以加速匹配过程的信息。
参数：
code 已编译的模式
options 选项
errptr 出错消息
5. pcre_version
函数原型：
char *pcre_version(void)
功能：返回PCRE的版本信息。
参数：无。
6. pcre_config
函数原型：
int pcre_config(int what, void *where)
功能：查询当前PCRE版本中使用的选项信息。
参数：
what 选项名
where 存储结果的位置
7．pcre_maketables
函数原型：
const unsigned char *pcre_maketables(void)
功能：生成一个字符表，表中每一个元素的值不大于256，可以用它传给pcre_compile()替换掉内建的字符表。
参数：无
5. 使用PCRE在C语言中实现正则表达式的解析
上述讲了这么多PCRE相关函数的介绍，目的还是为了能够运用上，所以这里就先讲解下使用PCRE的过程。主要过程分三步走第一步编译正则表达式；第二匹配正则表达式；第三步释放正则表达式。
1．编译正则表达式
为了提高效率，在将一个字符串与正则表达式进行比较之前，首先要用pcre_compile() /pcre_compile2() 函数对它时行编译，转化成PCRE引擎能够识别的结构（struct real_pcre）。
这里还可以调用pcre_study()函数，对编译后的正则表达式结构（struct real_pcre）时行分析和学习，学习的结果是一个数据结构（struc pcre_extra），这个数据结构连同编译后的规则（struct real_pcre）可以一起送给pcre_exec单元进行匹配。
2. 匹配正则表达式
一旦用函数pcre_compile() /pcre_compile2()成功地编译了正则表达式，接下来就可以调用pcre_exec（）函数完成模式匹配。根据正则表达式到指定的字符串中进行查找和匹配,并输出匹配的结果。
3. 释放正则表达式
无论什么时候，当不再需要已经编译过的正则表达式时，都应该调用函数free()将其释放，以免产生内在泄漏。
6. PCRE函数在C语言中的使用小例子
在使用PCRE库时，首先肯定是需要安装pcre的，不过一般的系统都会有自带的PCRE库。不过如果想使用最新版本的话，也可以自已下载一个安装包。我 这里下载的安装是pcre-8.13.tar.gz版本。安装过程很简单，把安装包上传需要安装的服务器上，安装时默认路径即可，我是在linux环境下 安装的，执行命令如下：
1.[root@host70-151 pcre-8.13]# ./configure
2.[root@host70-151 pcre-8.13]# make && make install
此两步即可安装完成，安装成功后的头文件在：/usr/local/include, 库文件在:/usr/local/lib 。
下面是我的一个使用PCRE库函数的一个小例子，其功能是匹配手机号码的正则表达式是否成功，分成四类手机号码时行匹配，分别是移动、电信、联通和CDMA的手机号。里面用到了PCRE库函数中的pcre_compile()和pcre_exec()：
因为我是在linux下编译C程序的，所以要用到makefile文件。注意：如果你在编译时出现提示：
/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'
没有定义pcre.h文件里面的函数时，是因为没有链接到库文件里，这时可以能过修改makefile，在l里面添加一个lpcre即可。然后在编译便可成功。
1 #include
2 #include
3 #include
4 #include
5 #include
6 #include
7 #include
8 #include
9 #include
10 #include
11 #include
12 #include
13 #include
14 #include
15 #include "pcre.h"
16
17 #include
18 #include
19
20 using namespace std;
21
22 #define OVECCOUNT 30 /* should be a multiple of 3 */
23 #define EBUFLEN 128
24 #define BUFLEN 1024
25
26 int main()
27 {
28 pcre *reCM, *reUN, *reTC, *reCDMA;
29 const char *error;
30 int erroffset;
31 int ovector[OVECCOUNT];
32 int rcCM, rcUN, rcTC, rcCDMA, i;
33
34 /*
35 yidong:134.135.136.137.138.139.150.151.152.157.158.159.187.188,147
36 liandong:130.131.132.155.156.185.186
37 dianxin:133.153.180.189
38 CDMA :133,153
39 */
40 char src[22];
41 char pattern_CM[] = "^1(3[4-9]|5[012789]|8[78])\\d{8}$";
42 char pattern_UN[] = "^1(3[0-2]|5[56]|8[56])\\d{8}$";
43 char pattern_TC[] = "^18[09]\\d{8}$";
44 char pattern_CDMA[] = "^1[35]3\\d{8}$";
45
46 printf("please input your telephone number \n");
47 scanf("%s", src);
48 printf("String : %s\n", src);
49 printf("Pattern_CM: \"%s\"\n", pattern_CM);
50 printf("Pattern_UN: \"%s\"\n", pattern_UN);
51 printf("Pattern_TC: \"%s\"\n", pattern_TC);
52 printf("Pattern_CDMA: \"%s\"\n", pattern_CDMA);
53
54 reCM = pcre_compile(pattern_CM, 0, &error, &erroffset, NULL);
55 reUN = pcre_compile(pattern_UN, 0, &error, &erroffset, NULL);
56 reTC = pcre_compile(pattern_TC, 0, &error, &erroffset, NULL);
57 reCDMA = pcre_compile(pattern_CDMA, 0, &error, &erroffset, NULL);
58
59 if (reCM==NULL && reUN==NULL && reTC==NULL && reCDMA==NULL) {
60 printf("PCRE compilation telephone failed at offset %d: %s\n", erroffset, error);
61 return 1;
62 }
63
64 rcCM = pcre_exec(reCM, NULL, src, strlen(src), 0, 0, ovector, OVECCOUNT);
65 rcUN = pcre_exec(reUN, NULL, src, strlen(src), 0, 0, ovector, OVECCOUNT);
66 rcTC = pcre_exec(reTC, NULL, src, strlen(src), 0, 0, ovector, OVECCOUNT);
67 rcCDMA = pcre_exec(reCDMA, NULL, src, strlen(src), 0, 0, ovector, OVECCOUNT);
68
69 if (rcCM<0 && rcUN<0 && rcTC<0 && rcCDMA<0) {
70 if (rcCM==PCRE_ERROR_NOMATCH && rcUN==PCRE_ERROR_NOMATCH &&
71 rcTC==PCRE_ERROR_NOMATCH && rcTC==PCRE_ERROR_NOMATCH) {
72 printf("Sorry, no match ...\n");
73 }
74 else {
75 printf("Matching error %d\n", rcCM);
76 printf("Matching error %d\n", rcUN);
77 printf("Matching error %d\n", rcTC);
78 printf("Matching error %d\n", rcCDMA);
79 }
80 free(reCM);
81 free(reUN);
82 free(reTC);
83 free(reCDMA);
84 return 1;
85 }
86 printf("\nOK, has matched ...\n\n");
87 if (rcCM > 0) {
88 printf("Pattern_CM: \"%s\"\n", pattern_CM);
89 printf("String : %s\n", src);
90 }
91 if (rcUN > 0) {
92 printf("Pattern_UN: \"%s\"\n", pattern_UN);
93 printf("String : %s\n", src);
94 }
95 if (rcTC > 0) {
96 printf("Pattern_TC: \"%s\"\n", pattern_TC);
97 printf("String : %s\n", src);
98 }
99 if (rcCDMA > 0) {
100 printf("Pattern_CDMA: \"%s\"\n", pattern_CDMA);
101 printf("String : %s\n", src);
102 }
103 free(reCM);
104 free(reUN);
105 free(reTC);
106 free(reCDMA);
107 return 0;
108 }
#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 [] = "";
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]：一些正则表达库的对比
http://www.regular-expressions.info/refflavors.html
[2]：Boost和PCRE正则库的性能对比
http://www.boost.org/doc/libs/1_40_0/libs/regex/doc/gcc-performance.html
[3]：正则表达式语言元素
http://msdn.microsoft.com/zh-cn/library/az24scfc.aspx
