C语言标准库本身不提供正则表达式语法，常见实现主要依赖POSIX regex接口。本篇系统整理BRE与ERE、字符类、量词、分组、反向引用、转义规则、编译与执行标志及regmatch_t用法，便于查询和编写可移植代码。

C语言中的正则表达式

C语言标准并未内置正则表达式引擎。在Linux、macOS等系统中，通常使用regex.h提供的POSIX接口；其他环境可能采用PCRE2等第三方库。POSIX正则表达式分为基本正则表达式（BRE）和扩展正则表达式（ERE）。regcomp默认按BRE编译，传入REG_EXTENDED后改用ERE。

• BRE：分组写作(...)，区间量词写作{m,n}；标准BRE没有选择符、加号量词和问号量词
• ERE：分组、选择及量词直接写作(...)、|、+、和{m,n}
• 反向引用1至9是BRE规定的能力；ERE中的反斜杠加数字不具备POSIX可移植性
• POSIX接口头文件：regex.h
• 编译函数：regcomp
• 匹配函数：regexec
• 释放函数：regfree

基础字符与匹配规则

普通字母和数字通常匹配自身。未启用REG_NEWLINE时，点号可以匹配包括换行符在内的任意单个字符；启用REG_NEWLINE后，点号不匹配换行符。反斜杠用于改变部分字符的含义，但具体规则还取决于使用BRE还是ERE。

• abc：匹配连续文本abc
• .：默认匹配包括换行符在内的任意单个字符
• .：匹配字面量半角点号；对应的C字符串应写成"."
• [abc]：匹配a、b、c中的任意一个字符
• [^abc]：匹配除a、b、c之外的单个字符；启用REG_NEWLINE后不匹配换行符
• [a-z]：匹配由当前区域设置解释的小写字母范围
• [0-9]：匹配单个数字字符

量词语法

量词限定前一个字符、字符类或分组的重复次数。ERE支持星号、加号、问号和花括号范围；BRE可直接使用星号，区间量词需要写成{m,n}。标准BRE不提供加号和问号量词，部分实现支持的+和属于扩展，不能作为可移植语法依赖。POSIX也不提供懒惰量词。

• ERE a*：匹配零个或多个a
• ERE a+：匹配一个或多个a
• ERE a：匹配零个或一个a
• ERE a{3}：匹配连续三个a
• ERE a{2,}：匹配至少两个a
• ERE a{2,5}：匹配二至五个a
• BRE a{2,5}：基本语法中的区间量词
• ERE [0-9]+：匹配一串数字

分组、选择、反向引用与锚点

ERE用圆括号分组并用竖线表示选择；BRE分组写作(...)，且没有标准选择运算符。脱字符和美元符分别限制行或字符串的开头与结尾。BRE可用1至9引用此前匹配的子表达式，ERE反向引用不属于POSIX标准。regexec可通过regmatch_t数组返回整个匹配及各子表达式的位置。

• ERE (abc)：将abc作为一个子表达式
• BRE (abc)：将abc作为一个子表达式
• ERE cat|dog：匹配cat或dog
• ERE ^(cat|dog)$：只匹配完整的cat或dog
• ^abc：要求abc位于开头；REG_NEWLINE还允许^匹配换行符后的行首
• abc$：要求abc位于结尾；REG_NEWLINE还允许$匹配换行符前的行尾
• BRE ^(ab)1$：匹配abab，使用第一个子表达式的反向引用
• ^$：匹配空字符串；启用REG_NEWLINE时也可匹配空行位置

方括号表达式与POSIX字符类

方括号表达式用于匹配一个字符。脱字符只有紧跟左方括号时才表示否定；连字符通常表示范围，放在开头或结尾可表示字面量；右方括号要作为普通字符时通常放在列表开头。方括号内不能依赖反斜杠转义获得可移植结果，应通过字符位置或POSIX结构表达。字符范围和类别可能受当前区域设置影响。

• [abc]：匹配a、b、c中的一个
• [^abc]：匹配不在列表中的一个字符
• []a]：匹配右方括号或a
• [-abc]或[abc-]：匹配字面量连字符或列表中的字符
• [a-z]：范围端点及排序受区域设置影响
• [+]：可移植地匹配ERE元字符加号
• [.]：匹配字面量点号
• [[:digit:]]：匹配数字字符
• [[:alpha:]]：匹配字母字符
• [[:alnum:]]：匹配字母或数字字符
• [[:space:]]：匹配空白字符
• [[:lower:]]：匹配小写字母
• [[:upper:]]：匹配大写字母
• [[:xdigit:]]：匹配十六进制数字
• [[:punct:]]：匹配标点字符
• [.ch.]和[=a=]：分别表示排序元素和等价类，实际行为依赖区域设置及实现

C字符串中的转义

正则表达式先由C编译器解析为字符串，再由正则引擎解析。因此，需要传递一个反斜杠给正则引擎时，C源码中通常要写成两个反斜杠。匹配ERE元字符的字面量时，方括号表达式往往更清晰且更具可移植性。

• C字符串"^[0-9]+$"：以ERE匹配完全由数字组成的非空字符串
• C字符串"^[[:space:]]*$"：匹配空串或仅含空白的字符串
• C字符串"."：向正则引擎传递.，匹配字面量半角点号
• C字符串"a[+]b"：以可移植ERE写法匹配文本a+b
• [+]、[]和[|]等方括号表达式适合匹配ERE元字符本身
• 正则中的反斜杠通常要在C字符串中再次转义

编译标志与REG_NEWLINE

regcomp的cflags决定语法和编译行为。REG_EXTENDED选择ERE，REG_ICASE忽略字母大小写，REG_NOSUB表示调用者不需要匹配位置，REG_NEWLINE改变换行符、点号、锚点及否定方括号表达式的处理。多个标志可按位或组合。

• REG_EXTENDED：使用ERE；未指定时使用BRE
• REG_ICASE：匹配时忽略字母大小写，具体字符规则受区域设置影响
• REG_NOSUB：只关心是否匹配；regexec的nmatch和pmatch参数会被忽略
• REG_NEWLINE：点号不匹配换行符
• REG_NEWLINE：否定方括号表达式不匹配换行符，即使列表没有明确排除换行符
• REG_NEWLINE：^除字符串开头外还匹配换行符后的行首
• REG_NEWLINE：$除字符串结尾外还匹配换行符前的行尾

执行标志与regmatch_t

regexec的eflags用于描述本次执行的边界条件。REG_NOTBOL和REG_NOTEOL不会删改输入，只会让字符串起点或终点不被视为可供^或$匹配的边界。启用REG_NEWLINE后，^和$对输入内部换行符形成的行边界仍然有效。未启用REG_NOSUB时，可用regmatch_t数组接收匹配区间。

• REG_NOTBOL：字符串起点不作为^可匹配的开头
• REG_NOTEOL：字符串终点不作为$可匹配的结尾
• REG_NOTBOL与REG_NOTEOL可按位或组合传给regexec
• pmatch[0]：整个表达式的匹配区间
• pmatch[1]起：各子表达式的匹配区间，数量受nmatch限制
• rm_so：匹配起点相对输入字符串起始地址的字节偏移
• rm_eo：匹配末尾后一位置的字节偏移
• 未参与匹配的可选子表达式通常以rm_so和rm_eo均为-1表示，读取区间前应先检查
• 使用REG_NOSUB编译后，应以nmatch为0、pmatch为NULL调用regexec

regcomp与regexec用法

先声明regex_t对象并调用regcomp编译表达式，再用regexec执行匹配。regcomp返回零表示编译成功；regexec返回零表示匹配成功，返回REG_NOMATCH表示没有匹配，其他错误可用regerror转换为可读信息。只应对成功编译的regex_t对象调用regfree。

• regcomp(®ex, pattern, REG_EXTENDED)：按ERE编译表达式
• regcomp(®ex, pattern, REG_EXTENDED | REG_ICASE)：按ERE编译并忽略字母大小写
• regcomp(®ex, pattern, REG_EXTENDED | REG_NOSUB)：编译仅用于判断结果的表达式
• regcomp(®ex, pattern, REG_EXTENDED | REG_NEWLINE)：启用逐行相关规则
• regexec(®ex, text, 0, NULL, 0)：只判断是否存在匹配
• regexec(®ex, text, count, matches, REG_NOTBOL)：执行匹配并将输入起点视为非行首
• regerror(code, ®ex, buffer, size)：获取错误说明
• regfree(®ex)：释放已成功编译的正则资源

常用ERE表达式示例

以下示例按REG_EXTENDED语法书写。表达式应根据输入边界和业务规则调整。仅检查字符串中是否存在片段时可以省略首尾锚点；验证完整输入时通常需要同时使用开头和结尾锚点。复杂格式还应在正则匹配后进行范围或业务逻辑校验。

• ^[0-9]+$：匹配非空整数数字串
• ^[+-][0-9]+$：匹配带可选正负号的整数
• ^[[:alpha:]_][[:alnum:]_]*$：匹配常见标识符形式
• ^[^@[:space:]]+@[^@[:space:]]+.[^@[:space:]]+$：进行基础邮箱格式检查
• ^([0-9]{1,3}.){3}[0-9]{1,3}$：进行IPv4外形检查，仍需验证每段范围
• ^[[:space:]]*(.*[^[:space:]])[[:space:]]*$：匹配可带首尾空白的内容；启用REG_NEWLINE时点号不跨越换行符

常见问题与兼容性

不同正则引擎的语法并不完全相同。POSIX ERE没有标准环视、非捕获分组、懒惰量词及d、w、s等PCRE简写。部分系统会提供超出POSIX的扩展，但编写跨平台程序时不应依赖未被标准保证的转义或行为，并应明确语法类型、编译标志、执行标志和区域设置。

• 不要把PCRE语法直接当作POSIX语法使用
• 不要把实现提供的BRE +、或ERE反向引用当作可移植语法
• 不要在方括号表达式中依赖反斜杠转义连字符或右方括号
• 不要忘记C字符串自身的转义层
• 不要用regexec返回值直接当作布尔真值解释
• 不要在regcomp失败后对未成功编译的对象调用regfree
• 使用regmatch_t中的可选分组前应检查rm_so和rm_eo是否为-1
• 需要完整验证时不要遗漏首尾锚点
• 格式匹配通过后仍应检查数值范围和业务约束

掌握BRE与ERE差异、方括号表达式、REG_NEWLINE等标志、C字符串转义及regex.h接口后，即可更可靠地处理文本查找与格式验证。对于环视、Unicode属性、复杂替换或其他POSIX未规定的能力，应选择功能更完整的正则库，并以该库及目标系统的官方文档为准。

《夸克》非常好用的免费AI浏览器

下载APP查看