Question

正则表达式模式需要匹配以下内容：

abc_xyz_0
abc_1025_01.29.00_xyz_0
abc_0302_42.01.00_xyz_0

（abc和xyz之间的数字无关紧要）

所以我解析：

(abc_(\w+\.\d+\.\w+)?xyz_0)

我的代码：

regex_t r;
unsigned int maxGroups = 3;
regmatch_t groupArray[maxGroups];
char * to_match = "abc_0302_02.01.00_xyz_18 abc_0302_02.01.00_xyz_16 abc_0302_02.01.00_xyz_14 abc_0302_02.01.00_xyz_0 abc_0302_02.01.00_xyz_10 abc_0302_02.01.00_xyz_2"

if (0 != regcomp(&r, "(abc_(\\w+\\.\\d+\\.\\w+)?xyz_0)", REG_EXTENDED)) 
{
    //this does NOT get hit
    printf("regcomp failed")
}
else if(regexec(r, to_match, maxGroups, groupArray, REG_EXTENDED) == 0)
 { *never gets here* }
else
 { printf("regexec returned non-zero(No Matches)\n"); }

regfree(&r);

所以我的猜测是我有错误的正则表达式（对我上面定义的情况工作正常 - 我用regexpal.com确认），或者有些东西我不知道？

无论哪种方式，我都知道我很亲近，非常感谢你的帮助。

Answer 1

您复制到问题中的代码中有几个拼写错误（见下文），您只应将REG_EXTENDED传递给regcomp;唯一标记为regexec的标记为REG_NOTBOL和REG_NOTEOL。（有关详细信息，请参阅regexec manpage。）

然而，问题是Posix正则表达式，包括Gnu实现，没有实现非标准转义序列\d。如regex(7) manpage所示，模式可以包括：

a＆＃39; \＆＃39;其次是一个字符＆＃34; ^。[$（）| * +？{\＆＃34; （将该角色与普通角色相匹配），

或

a＆＃39; \＆＃39;其次是任何其他角色（将该角色与普通角色相匹配，就好像＆＃39; \＆＃39;不存在一样）

请注意，在任何一种情况下，\的唯一影响是使后续字符与普通字符匹配。虽然regcomp的Gnu实现确实将\w识别为字符类，但Posix不需要该行为，而其他实现可能不会这样做。（它也没有记录，所以它可能并不总是有效。）它无法识别\d。

如果您使用Posix正则表达式，则应使用Posix标准字符类，因此正则表达式字符串应为：

"(abc_([[:alnum:]_]+\\.[[:digit:]]+\\.[[:alnum:]_]+)?xyz_0)"

您将在上一个链接的正则表格联机帮助页中找到Posix命名字符类的列表（或者通过键入man 7 regex，假设您已经安装了标准库文档，强烈建议这样做。）

我在代码中验证了这一点，在char * to_match =...末尾添加了缺少的分号，并在调用r时将&r更改为regexec。

请注意，很少有在线正则表达式资源实现Posix正则表达式规范;例如，http://regexpal.com仅提供PCRE和Javascript样式正则表达式的选项。

每次调用regexec时，根据man 7 regex中描述的固定算法，您将获得传递给它的字符串中的第一个匹配项：

如果RE可以匹配a的多个子字符串给定字符串，RE匹配字符串中最早开始的字符串。如果RE可以匹配从该点开始的多个子字符串，它匹配时间最长。 Subexpressions也是最长的可能的子串，受限于整个匹配尽可能长，子表达式在早期开始 RE优先于稍后开始的。注意更高级别因此，子表达式优先于它们的低级组件子表达式。

如果要在同一个字符串中查找模式的多个实例，则需要在循环中调用regexec。每次循环时，都会为它提供上一次匹配中第一个不匹配字节的地址（即string + matches[0].rm_eo），直到它报告不再匹配为止。如果您在匹配中依赖^个锚点，则需要将REG_NOTBOL标记的正确值传递给每次regexec的调用。

C - regexec返回NOMATCH - 即使它应该？

1 个答案: