深入探究PCRE库

一、正则表达式

在计算机科学中，正则表达式是一种描述字符串模式的方法。它们被广泛应用于搜索、文本编辑和数据处理等领域。PCRE库（Perl Compatible Regular Expressions）是一个支持Perl风格正则表达式的C函数库（sourceforge.net/projects/pcre/）。

使用PCRE库，可以使用Perl中所支持的绝大部分正则表达式元素。细心的人可能会注意到，PCRE库除了支持Perl风格正则表达式之外，还扩展了一些新特性。例如全局匹配、已编译正则表达式信息缓存等。

二、PCRE的匹配流程

一个正则表达式需要抽象成DFA（deterministic finite automata）自动机才能被计算机程序识别和使用。在PCRE中，DFA自动机是由宏定义方式被实现在源代码中。因此，当调用PCRE库中匹配函数时，实际上就是在使用PCRE库中自带的DFA自动机来完成比对过程。

PCRE库中匹配函数的调用方式如下：

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为已编译好的正则表达式，subject为目标字符串，ovector为输出向量，最终保存匹配到的子串的位置信息，具体意义在代码注释中给出。

三、PCRE的代码示例

下面是一个简单的例子，它用PCRE库的最基础功能实现了字符串的匹配。可以让读者对PCRE库有一个初步的认知。

#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扩展使用

在上面的例子中，当我们查找"mom"时，只能匹配到"mother"中的"mo"。如果要匹配所有的满足条件的串怎么办呢？这就需要用到PCRE的扩展功能。

下面是一个使用PCRE扩展功能的代码示例。它将匹配字符串"my mother tried to get a new motor yesterday"中的所有含有"m[oaei]tor"的子串，返回每一个子串的位置和内容。

#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、总结

本文介绍了PCRE库的基础概念、匹配流程和代码实现。并提供了一个简单匹配示例和一个使用PCRE扩展功能的示例。相信读者在这些例子中已经了解了PCRE库的基础用法，能够自主地处理字符串匹配问题。在使用PCRE库时，需要注意正则表达式的构造和匹配的流程，保证程序的正确性。