c语言正则表达式匹配字符串的多个部分

Question

我有一个 c 程序，我无法让正则表达式匹配按照我想要的方式工作。基本上，我想匹配 testStr 中的第一个字符(W 或 M)和日志文件的名称作为第二个匹配项 (TESTY.LOG)。这是我目前所拥有的:

#include    <stdio.h>
#include    <stdlib.h>
#include    <regex.h>
#define     MAX_MATCHES 2
.....
char testStr[20]="W TESTY.LOG ";
char temp[100];
int reti;
regex_t regex;
regmatch_t matches[MAX_MATCHES];
int i;
int numchars;

/* Compile regular expression */
reti = regcomp(&regex, "^([W|M])[[:space:]]([A-Z|0-9|\.]{1,})[[:space:]]*$", REG_EXTENDED);
/* Execute regular expression */
reti = regexec(&regex, testStr, MAX_MATCHES, matches, 0);
if (!reti) {
  for (i=0; i < MAX_MATCHES; i++) {
    numchars = (int)matches[i].rm_eo - (int)matches[i].rm_so;
    strncpy(temp,testStr+matches[i].rm_so,numchars);
    temp[numchars] = '\0';
  }
}

当我在 gdb 中运行它时，我看到以下匹配项:

(gdb) 显示匹配
1: 匹配 = {{rm_so = 0, rm_eo = 15}, {rm_so = 0, rm_eo = 1}}

2: temp = "W TESTY.LOG"

和

2: temp = "W"

所以，我得到第一个字符 OK，但我没有得到第二个匹配项的日志文件名。我在 perl 中使用正则表达式，但我是 ansi c 中的正则表达式的新手。我觉得我在这里缺少一些基本的东西。

Answer 1

匹配 0 是整个正则表达式匹配的字符串部分(Perl 的 $&)。 Match i for i> 0是匹配捕获号i对应的部分，同Perl的$1,$2, ...。你有两次捕获，所以你应该期待三场比赛。但是您将 MAX_MATCH 指定为 2，因此最后一个匹配项将被丢弃。

---

还有正则表达式

^([W|M])[[:space:]]([A-Z|0-9|\.]{1,})[[:space:]]*$

有点奇怪。我认为您应该重新阅读有关正则表达式中字符类的文档——在这种情况下，它在 Perl 中与在 Posix 扩展 RE 中相同。 [W|M] 匹配 W、| 或 M 这三个字符中的任何一个。类似地，[A-Z|0-9|\.]{1,} 匹配一个或多个字母、数字、字符 | 或字符 ..

反斜杠是无关紧要的，因为它只对字符串文字中的 . 进行转义，而无需进行转义。如果您编译时启用了警告，-Wall，您的 C 编译器可能会警告您转义序列不合法。如果您实际上已将反斜杠传递给正则表达式库，它会将其解释为字符类的另一个可能匹配项。

此外，{1,} 在 Perl 和 Posix Extended RE 中都可以方便地写成 +。

简而言之，您可能想要的是:

reti = regcomp(&regex, "^([WM])[[:space:]]([A-Z0-9.]+)[[:space:]]*$", REG_EXTENDED)

你也可以使用

reti = regcomp(&regex, "^([WM])[[:space:]]([[:alnum:].]+)[[:space:]]*$", REG_EXTENDED)