C语言标准库本身没有内置正则表达式功能，在支持POSIX的系统中通常可借助regex.h完成模式编译、文本匹配和资源释放。本文介绍常用语法、核心函数、完整流程及错误处理方法，帮助读者正确使用C正则表达式。

C语言中的正则表达式实现

ISO C标准库没有规定正则表达式接口，因此具体实现取决于运行环境。在Linux、macOS等支持POSIX的系统中，可以包含regex.h并使用其中的函数。程序通常先把模式编译为regex_t对象，再用该对象匹配一个或多个字符串，最后释放相关资源。若目标平台不提供POSIX接口，则需要选择兼容的第三方正则表达式库，并按照该库的接口完成相同步骤。

常用语法与匹配模式

POSIX正则表达式分为基本正则表达式和扩展正则表达式。以下示例均要求在regcomp中传入REG_EXTENDED：点号.通常匹配任意单个字符；*、+、分别表示前一部分出现零次或多次、一次或多次、零次或一次；[abc]和[^abc]分别表示字符集合和排除集合；(ab)用于分组；a|b表示二选一；{m}、{m,}、{m,n}用于限定重复次数；^和$约束字符串开头与结尾。反斜杠可转义具有特殊含义的字符。需要子匹配时，可用括号分组并向regexec传入regmatch_t数组，数组第0项表示整体匹配，后续项依次对应各捕获分组。使用REG_ICASE可忽略英文字母大小写，使用REG_NOSUB则只判断是否匹配而不保存匹配位置。默认情况下，点号可以匹配换行符；传入REG_NEWLINE后，点号和非匹配字符列表不能匹配换行符，同时^和$还能匹配文本中换行符之后和之前的位置。

• ^[0-9]+$：12345匹配，12a45和空字符串不匹配
• ^[A-Za-z][A-Za-z0-9_]*$：name_2匹配，2name不匹配
• ^(cat|dog)$：cat和dog匹配，cats不匹配；括号形成第1个子匹配
• ^[A-Z][0-9]{2,4}$：A123和99匹配，AB123和7不匹配
• ^[[:space:]]+$：空格加制表符匹配，abc不匹配
• ^colour$：color和colour匹配，colouur不匹配

编译与执行匹配

首先声明regex_t变量，然后调用regcomp编译模式。返回值为零表示编译成功；非零表示编译失败，此时可先用regerror(code, ®ex, NULL, 0)取得所需缓冲区长度，分配缓冲区后再次调用regerror生成并输出错误说明。只有编译成功后才能调用regexec。regexec返回零表示找到匹配，返回REG_NOMATCH表示没有匹配，其他非零值表示执行错误，也应通过regerror输出信息。需要获取匹配片段时，可准备regmatch_t数组，其中rm_so记录起始偏移，rm_eo记录结束偏移。无论匹配、未匹配还是执行错误，只要模式已经成功编译，结束时都应调用regfree释放内部资源；编译失败时不要调用regfree。

• 声明regex_t对象并准备模式字符串
• 调用regcomp并处理编译错误
• 调用regexec匹配目标文本
• 明确区分匹配成功、REG_NOMATCH和其他执行错误
• 调用regfree释放已成功编译的正则对象

完整代码示例

下面是可直接编译运行的完整程序。它编译判断非空数字字符串的模式，依次演示匹配成功和REG_NOMATCH，并为regcomp及regexec的其他错误动态取得错误文本。可将代码保存为regex_demo.c，执行cc -Wall -Wextra -std=c11 regex_demo.c -o regex_demo编译，再运行./regex_demo。

#include 
#include 
#include 

static void print_regex_error(int code, const regex_t *regex, const char *prefix)
{
    size_t size = regerror(code, regex, NULL, 0);
    char *message = malloc(size);

    if (message == NULL) {
        fprintf(stderr, "%s: unable to allocate error buffern", prefix);
        return;
    }

    regerror(code, regex, message, size);
    fprintf(stderr, "%s: %sn", prefix, message);
    free(message);
}

int main(void)
{
    const char *pattern = "^[0-9]+$";
    const char *tests[] = {"123456", "12a3", ""};
    regex_t regex;
    int code = regcomp(®ex, pattern, REG_EXTENDED);

    if (code != 0) {
        print_regex_error(code, ®ex, "regcomp failed");
        return EXIT_FAILURE;
    }

    int status = EXIT_SUCCESS;
    size_t count = sizeof tests / sizeof tests[0];
    for (size_t i = 0; i < count; ++i) {
        code = regexec(®ex, tests[i], 0, NULL, 0);
        if (code == 0) {
            printf(""%s": matchn", tests[i]);
        } else if (code == REG_NOMATCH) {
            printf(""%s": no matchn", tests[i]);
        } else {
            print_regex_error(code, ®ex, "regexec failed");
            status = EXIT_FAILURE;
            break;
        }
    }

    regfree(®ex);
    return status;
}

常见问题与实践建议

正则模式写在C字符串中时，需要同时经过C字符串解析和正则表达式解析。例如，要匹配目标文本a.b中的字面量点号，C字符串字面量应写成"."，正则引擎实际收到的模式是.，目标字符是.；要匹配目标文本C:temp中的字面量反斜杠，C字符串字面量中的对应模式应写成"\"，正则引擎实际收到的模式是，匹配目标是一个反斜杠。POSIX ERE不支持部分常见PCRE写法，例如d不能用来表示数字，应改用[0-9]或[[:digit:]]。不要忽略regcomp的返回值，也不要在编译失败后调用regexec或regfree。对于固定模式，可以编译一次后重复匹配多段文本，减少不必要的开销。正则表达式适合处理格式明确的文本规则，但复杂语法、嵌套结构或完整协议解析通常更适合使用专门的解析器。

掌握模式编译、匹配执行、错误检查和资源释放这四个环节，就能在支持POSIX的C程序中稳妥使用正则表达式。编写模式时应先明确边界和输入规则，再用代表性数据验证匹配结果。

《夸克》非常好用的免费AI浏览器

下载APP查看