深入探究PCRE庫

一、正則表達式

在計算機科學中，正則表達式是一種描述字元串模式的方法。它們被廣泛應用於搜索、文本編輯和數據處理等領域。PCRE庫（Perl Compatible Regular Expressions）是一個支持Perl風格正則表達式的C函數庫（sourceforge.net/projects/pcre/）。

使用PCRE庫，可以使用Perl中所支持的絕大部分正則表達式元素。細心的人可能會注意到，PCRE庫除了支持Perl風格正則表達式之外，還擴展了一些新特性。例如全局匹配、已編譯正則表達式信息緩存等。

二、PCRE的匹配流程

一個正則表達式需要抽象成DFA（deterministic finite automata）自動機才能被計算機程序識別和使用。在PCRE中，DFA自動機是由宏定義方式被實現在源代碼中。因此，當調用PCRE庫中匹配函數時，實際上就是在使用PCRE庫中自帶的DFA自動機來完成比對過程。

PCRE庫中匹配函數的調用方式如下：

int pcre_exec(
    const pcre *code,              /*Compiled for-mal pattern */
    const pcre_extra *extra,       /*Extra data block */
    const char *subject,           /*String to match */
    int length,                    /*Length of string (bytes）*/
    int start_offset,
    int options,
    int *ovector,                  /*Output vector for substring information */
    int ovector_size               /*Size of output vector */
)

其中，code為已編譯好的正則表達式，subject為目標字元串，ovector為輸出向量，最終保存匹配到的子串的位置信息，具體意義在代碼注釋中給出。

三、PCRE的代碼示例

下面是一個簡單的例子，它用PCRE庫的最基礎功能實現了字元串的匹配。可以讓讀者對PCRE庫有一個初步的認知。

#include<stdio.h>
#include<pcre.h>

#define OVECCOUNT 30

const char *MOTHER_STRING="My mother please applauds.";

int main()
{
    const char *ERROR_MESSAGE;
    pcre *rexp;
    int erroffset;
    int ovector[OVECCOUNT];
    int rc, i;

    rexp = pcre_compile("mom",0,&ERROR_MESSAGE,&erroffset,NULL);

    rc = pcre_exec(rexp,NULL,MOTHER_STRING,strlen(MOTHER_STRING),0,0,ovector,OVECCOUNT);

    if(rc < 0) 
    {
        if(rc == PCRE_ERROR_NOMATCH) printf("Sorry! No match!／n");
        else printf("Matching error %d\n", rc);
    }
    else //matched
    {
        printf("%d- Match succeeded at offset %d", rc, ovector[0]);
        for(i = 0; i < rc; i++)
        {
            char *substring_start = MOTHER_STRING + ovector[2*i];
            int substring_length = ovector[2*i+1] - ovector[2*i];
            printf("%2d: %.*s\n", i, substring_length, substring_start);
        }
    }

    pcre_free(rexp);
    return 0;
}

四、PCRE擴展使用

在上面的例子中，當我們查找”mom”時，只能匹配到”mother”中的”mo”。如果要匹配所有的滿足條件的串怎麼辦呢？這就需要用到PCRE的擴展功能。

下面是一個使用PCRE擴展功能的代碼示例。它將匹配字元串”my mother tried to get a new motor yesterday”中的所有含有”m[oaei]tor”的子串，返回每一個子串的位置和內容。

#include<stdio.h>
#include<pcre.h>

#define OVECCOUNT 30

const char *MOTHER_STRING="my mother tried to get a new motor yesterday.";

int main()
{
    const char *ERROR_MESSAGE;
    pcre *rexp;
    int erroffset;
    int ovector[OVECCOUNT];
    int rc, i;

    rexp = pcre_compile("m[oaei]tor",PCRE_EXTENDED, &ERROR_MESSAGE, &erroffset,NULL);

    rc = pcre_exec(rexp,NULL,MOTHER_STRING,strlen(MOTHER_STRING),0,0,ovector,OVECCOUNT);

    if(rc < 0) 
    {
        if(rc == PCRE_ERROR_NOMATCH) printf("Sorry! No match!／n");
        else printf("Matching error %d\n", rc);
    }
    else //matched
    {
        printf("%d- Match succeeded at offset %d\n", rc, ovector[0]);

        for(i = 0; i < rc; i++)
        {
            char *substring_start = MOTHER_STRING + ovector[2*i];
            int substring_length = ovector[2*i+1] - ovector[2*i];
            printf("%2d: %.*s\n", i, substring_length, substring_start);
        }
    }

    pcre_free(rexp);
    return 0;
}

五、總結

本文介紹了PCRE庫的基礎概念、匹配流程和代碼實現。並提供了一個簡單匹配示例和一個使用PCRE擴展功能的示例。相信讀者在這些例子中已經了解了PCRE庫的基礎用法，能夠自主地處理字元串匹配問題。在使用PCRE庫時，需要注意正則表達式的構造和匹配的流程，保證程序的正確性。