Linux программирование в примерах, Роббинс Арнольд

Linux программирование в примерах

на обложку

Роббинс Арнольд

Шрифт:

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 */

regoff_t rm_eo; /* Смещение первого байта после вложенной строки */

/* ...здесь возможный внутренний материал... */

} regmatch_t;

Как поле

re_nsub

, так и структура

regmatch_t

предназначены для сопоставления вложенных выражений. Рассмотрим такое регулярное выражение:

[:пробел:]]+([[:цифра:]]+)[[:пробел:]]+([[:буква:]])+

Каждое из двух вложенных выражений в скобках могут соответствовать одному или более символам. Более того, текст, соответствующий каждому вложенному выражению, может начинаться и заканчиваться в произвольных участках строки.

regcomp

устанавливает в поле

re_nsub

число вложенных выражений в скобках внутри регулярного выражения,

regexec

заполняет массив

pmatch

структур

regmatch_t

смещениями начальных и конечных байтов текста, соответствующих этим вложенным выражениям. Вместе эти данные позволяют заменять текст — удалять его или заменять другим текстом, точно так же, как в текстовом редакторе

pmatch[0]

описывает часть строки, соответствующую всему регулярному выражению. Участок от

pmatch[1]

до

pmatch[preg->re_nsub]

описывает ту часть, которая соответствует каждому вложенному выражению в скобках. (Таким образом, вложенные выражения нумеруются начиная с 1.) Элементы

rm_so

rm_eo

не используемых элементов массива

pmatch

установлены в -1.

regexec

заполняет не более

nmatch-1

элементов

pmatch

; поэтому следует убедиться, что имеется по крайней мере на 1 элемент больше, чем в

preg->re_nsub

Наконец, флаг

REG_NOSUB

для

regcomp

означает, что начальная и завершающая информация не нужна. Этот флаг следует использовать, когда эти сведения не нужны; это потенциально может довольно значительно повысить производительность

regexec

Другими словами, если все, что вам нужно знать, это «соответствует ли?», включите

REG_NOSUB

. Однако, если нужно также знать, «где находится соответствующий текст?», этот флаг следует опустить.

В заключение, как

regcomp

, так и

regexec

возвращают 0, если они успешны, или определенный код ошибки, если нет. Коды ошибок перечислены в табл. 12.9.

Таблица 12.9. Коды ошибок

regcomp

regexec

Константа	Значение
REG_BADBR	Содержимое ' \{...\} ' недействительно.
REG_BADPAT	Регулярное выражение недействительно
REG_BADRPT	Символу ? , + или * не предшествует действительное регулярное выражение.
REG_EBRACE	Фигурные скобки (' \{...\} ') не сбалансированы
REG_EBRACK	Квадратные скобки (' [...] ') не сбалансированы
REG_ECOLLATE	В шаблоне использован недействительный элемент сортировки
REG_ECTYPE	В шаблоне использован недействительный класс символов
REG_EESCAPE	В шаблоне есть завершающий символ \
REG_EPAREN	Группирующие скобки (' (...) ' или ' \(...\) ') не сбалансированы
REG_ERANGE	Конечная точка в диапазоне не действительна
REG_ESPACE	Функции не хватило памяти
REG_ESUBREG	Цифра в ' \цифра ' недействительна
REG_NOMATCH	Строка не соответствует шаблону

Для демонстрации регулярных выражений

ch12-grep.c

предусматривает базовую реализацию стандартной программы

grep

, которая отыскивает соответствие шаблону. Наша версия использует по умолчанию базовые регулярные выражения. Для использования вместо этого расширенных регулярных выражений она принимает опцию

– E

, а для игнорирования регистра символов опцию

– i

. Как и настоящая

grep

, если в командной строке не указаны файлы, наша

grep

читает со стандартного ввода, а для обозначения стандартного ввода, как и в настоящей

grep

, может быть использовано имя файла '

–

'. (Эта методика полезна для поиска в стандартном вводе наряду с другими файлами.) Вот программа: