在 C 中，如何获取捕获组 RegEx？答案

【问题标题】：In C, How to get capturing group RegEx?在 C 中，如何获取捕获组 RegEx？
【发布时间】：2018-09-03 21:17:31
【问题描述】：

这是我遇到问题的 C 函数：

char get_access_token(char *client_credentials)
{
    regex_t regex;
    int reti;
    char msgbuf[100];
    reti = regcomp(&regex, "\\\"access_token\\\".\\\"(.*?)\\\"", 0);

    regmatch_t pmatch[1];
    if (reti) {
        fprintf(stderr, "Could not compile regex\n");
        exit(1);
    }

    reti = regexec(&regex, client_credentials, 1, pmatch, 0);
    if (!reti) {
        puts("Match");
    } else if (reti == REG_NOMATCH) {
        puts("No match");
    } else {
        regerror(reti, &regex, msgbuf, sizeof(msgbuf));
        fprintf(stderr, "Regex match failed: %s\n", msgbuf);
        exit(1);
    }

    return (char) "";
}

我要解析的字符串是 JSON 字符串，我不关心实际结构我只关心访问令牌。

应该是这样的：

{"access_token": "blablablabal"}

我希望我的函数只返回“blablablabla”

我正在尝试使用的 RegEx 是这个：

\"access_token"."(.*?)"

但是我在变量pmatch 中找不到，我只在那个数组中找到了两个数字，我真的不知道这些数字是什么意思。

我做错了什么？

附：我是C菜鸟，我只是在学习。

【问题讨论】：

标签： c regex

【解决方案1】：

有几个问题。您的正则表达式中有拼写错误。您正在尝试将扩展的正则表达式功能与 POSIX 正则表达式一起使用。

首先是错别字。

reti = regcomp(&regex, "\\\"access_token\\\".\\\"(.*?)\\\"", 0);
                                            ^

应该是：

reti = regcomp(&regex, "\\\"access_token\\\": \\\"(.*?)\\\"", 0);

那么我们不需要在正则表达式中转义引号。这样更容易阅读。

reti = regcomp(&regex, "\"access_token\": \"(.*?)\"", 0);

这仍然不起作用，因为它使用了基本 POSIX 正则表达式不具备的功能。捕获组必须在基本 POSIX 正则表达式中转义。这可以通过使用REG_EXTENDED 来解决。 *? 非贪婪运算符是从 Perl 借来的增强的非 POSIX 功能。您可以通过REG_ENHANCED 获得它们。

reti = regcomp(&regex, "\"access_token\": \"(.*?)\"", REG_ENHANCED|REG_EXTENDED);

但是，出于所有相同的原因we don't parse HTML with a regex，请不要尝试使用正则表达式解析 JSON。使用 JSON 库，例如 json-glib。

【讨论】：

我尝试使用该库，但话又说回来，我遇到了另一种问题。这就是为什么我认为只解析 JSON 会更容易。虽然我不是初学者，但我对 C 语言非常陌生，所以遇到了麻烦。
@ILikeTacos C 是无情的。我想您可能在共享库方面遇到了一些麻烦。如果遇到麻烦，不妨试试 json-glib 并提出问题。
我确实在共享库方面遇到了很多麻烦，但我想通了。我需要做的就是将库的路径传递给链接器，但我的头撞到了墙上几秒钟。完成安装后，我可能会向 SO 发送有关 json-glib 的问题。
@ILikeTacos pkg-config 在链接库时可以为您省去很多麻烦。
我认为代码可以用\" 替换出现的\\\"。在正则表达式中，双引号不是特殊的（不是元字符），也不需要反斜杠转义。

【解决方案2】：

好吧，您的pmatch 数组必须至少有两个元素，您可能知道，第 0 组是整个匹配的正则表达式，并且填充了整个正则表达式（例如，如果所有正则表达式被一对括号四舍五入）你想要组1，所以pmatch[1]将填充第一个子表达式组的信息。

如果您查看文档，pmatch 元素有两个字段，它们索引原始缓冲区中匹配组的起始索引，以及 最后一个位置的索引在组结束的字符串中。这些字段名称是rm_so 和rm_eo，与pmatch[0] 中的字段名称一样，它们分别表示正则（子）表达式开始和结束的索引。

您可以使用以下方式打印匹配的元素（一旦您知道它们是有效的，请参阅文档）：

#define SIZEOF(arr) (sizeof arr / sizeof arr[0])
...
regmatch_t pmatch[2]; /* for global regexp and group 1 */
...
/* you don't need to escape " chars, they are not special for regcomp,
 * they do, however, for C, so only one \ must be used. */
res = regcomp(&regex, "\"access_token\".\"([^)]*)\"", 0);
...
reti = regexec(&regex, client_credentials, SIZEOF(pmatch), pmatch, 0);

for (i = 0; i < regex.re_nsub; i++) {
    char *p = client_credentials + pmatch[i].rm_so; /* p points to beginning of match */
    size_t l = pmatch[i].rm_eo - pmatch[i].rm_so; /* match length */
    printf("Group #%d: %0.*s\n", i, l, p);
}

对于提交代码的 sn-p 而不是可验证且完整的示例，我深表歉意，但由于您没有在问题中这样做（因此我们无法测试您的示例代码）我不会在答案中这样做.所以，代码没有经过测试，我这边可能会有错误。小心这个。

测试示例响应需要时间，如果我们首先要让您的示例代码完全可测试，那就更糟了。（这是对初学者 --- 和一些非初学者 --- 使用不发布 Minimal, Complete, and Verifiable example 的抱怨）。

【讨论】：