Question

我正在尝试使用C来匹配以十六进制格式的以下ASCII字符范围：\x21 / \x23-\x2B / \x2D-\x39 / \x3C-\x5B / \x5D-\x7E < / p>

我发现此函数在another stack overflow answer上的C中与正则表达式匹配：

int match(const char *string, char *pattern) {
    int status;
    regex_t regex;
    int d;
    if ((d = regcomp(&regex, pattern, REG_EXTENDED | REG_NOSUB)) != 0) {
      return 0;
    }

    status = regexec(&regex, string, (size_t)0, NULL, 0);
    regfree(&regex);
    if (status != 0) {
      return 0;
    }
    return (1);
}

如果字符串与给定模式不匹配，则此函数将返回0;如果字符串不匹配，则返回1.

除了我尝试匹配多个十六进制值范围时，此函数适用于大多数模式。

例如：

int main(int argc, char const *argv[]) {
    printf("%d\n", match("HELLO!", "^[\x21 \x23-\x2B \x2D-\x39 \x3C-\x5B]+$")); // Matches as expected
    printf("%d\n", match("hello!", "^[\x21 \x23-\x2B \x2D-\x39 \x3C-\x5B]+$")); // Fails as expected because we are not including lower case letters
    printf("%d\n", match("HELLO!", "^[\x21 \x23-\x2B \x2D-\x39 \x3C-\x5B \x5D-\x7E]+$")); // Fails unexpectedly after adding 5D-7E
    printf("%d\n", match("hello!", "^[\x21 \x23-\x2B \x2D-\x39 \x3C-\x5B \x5D-\x7E]+$")); // Fails unexpectedly but should pass because we have added 5D-7E which includes lower case letters
    printf("%d\n", match("hello", "^[\x5D-\x7E]+$")); // Matches as expected because we have included lower case range
}

将输出：

1 // Expected
0 // Expected
0 // Unexpected 
0 // Unexpected
1 // Expected

似乎将5D-7E范围添加到任何其他范围会打破正则表达式。

我错过了什么或者这看起来很奇怪吗？

可以看到一个供参考的ASCII表here。

Answer 1

\x5D是一个小括号（] ）。也就是说，它确实是一个紧密的支柱;在程序文本被解析之前完成替换，就像所有其余的反斜杠转义一样。所以你的字符串

"^[\x21 \x23-\x2B \x2D-\x39 \x3C-\x5B \x5D-\x7E]+$"

实际上是字符串

"^[! #-+ --9 <-[ ]-~]+$"

这就是regcomp编译的内容。 [注1]

该模式有三个问题，其中一个应该是显而易见的：字符类由第一个] 终止，所以匹配的是匹配字符类的单个字符[! #-+ --9 <-[ ]，后面依次为 - 〜，然后是一个或多个] 字符。显然，HELLO!与此模式不匹配。

其次，字符类中的空格字符不是特殊的，这意味着它不会被忽略（我相信你期望）。因此，字符类中读取--9的部分实际上意味着“空格（0x20）和短划线（0x2D）之间的任何字符或字符 9 ”。

与此相关，即使您删除了空格（您肯定需要这样做），--9也不合法，因为作为文字字符的 - 只能出现在字符类的开头或结尾。 [注2]

最后，角色类[\x5D-\x7E] 做你做了什么，因为如果它是第一个字符，那么允许] 作为文字字符显示字符类，在这种情况下是（[]-~]）

这些规则记录在regex manpage中，并在Posix Base Definitions Section 9中详细说明。

注意：

您可以通过反斜杠转义（"\\x5D"）来提供反斜杠作为正则表达式字符串的一部分，但这不适用于Posix正则表达式，因为Posix规范不包含十六进制转义序列，也不是标准的C转义符，例如\n。如联机帮助页中所述，Gnu C库正则表达式实现将\x理解为文字x并将\n理解为文字n（与反斜杠后跟任何字母相同）字符）。但是，Posix没有定义这些用法;在Posix扩展正则表达式中，反斜杠只能用于转义特殊字符，并且只能用于字符类之外。
虽然标准未定义用法，但正则表达式库可能会将-识别为文字字符，因为它会立即显示在字符范围之后。但是，依赖这样的扩展是不好的做法，即使它们碰巧在特定的Posix库实现上工作。

c正则表达式中的多个十六进制范围无法按预期工作

1 个答案:

注意：