在 C 中使用正则表达式时，\d 不起作用，但 [0-9] 起作用答案

【问题标题】：When using regex in C, \d does not work but [0-9] does在 C 中使用正则表达式时，\d 不起作用，但 [0-9] 起作用
【发布时间】：2016-10-23 17:27:55
【问题描述】：

我不明白为什么包含\d 字符类的正则表达式模式不起作用但[0-9] 起作用。字符类，例如\s（空白字符）和\w（单词字符），可以工作。我的编译器是 gcc (Ubuntu/Linaro 4.6.3-1ubuntu5) 4.6.3。我正在使用 C 正则表达式库。

为什么\d 不起作用？

文本字符串：

const char *text = "148  apples    5 oranges";

对于上面的文本字符串，这个正则表达式不匹配：

const char *rstr = "^\\d+\\s+\\w+\\s+\\d+\\s+\\w+$";

当使用 [0-9] 而不是 \d: 时，此正则表达式匹配：

const char *rstr = "^[0-9]+\\s+\\w+\\s+[0-9]+\\s+\\w+$";



#include <stdio.h>
#include <stdlib.h>
#include <regex.h>

#define N_MATCHES  30

//   output from gcc --version: gcc (Ubuntu/Linaro 4.6.3-1ubuntu5) 4.6.3
//   compile command used:  gcc -o tstc_regex tstc_regex.c

const char *text = "148  apples    5 oranges";
  const char *rstr = "^[0-9]+\\s+\\w+\\s+[0-9]+\\s+\\w+$";    // finds match
//const char *rstr = "^\\d+\\s+\\w+\\s+\\d+\\s+\\w+$";        // does not find match

int main(int argc, char**argv)
{
    regex_t   rgx;
    regmatch_t   matches[N_MATCHES];
    int status;
    status = regcomp(&rgx, rstr, REG_EXTENDED | REG_NEWLINE);
    if (status != 0) {
        fprintf(stdout, "regcomp error: %d\n", status);
        return 1;
    }
    status = regexec(&rgx, text, N_MATCHES, matches, 0);
    if (status == REG_NOMATCH) {
        fprintf(stdout, "regexec result: REG_NOMATCH (%d)\n", status);
    }
    else if (status != 0) {
        fprintf(stdout, "regexec error: %d\n", status);
        return 1;
    }
    else {
        fprintf(stdout, "regexec match found: %d\n", status);
    }
    return 0;
}

【问题讨论】：

我猜\d 会匹配d？
我没有找到任何说 libc 不支持Shorthand Character Classes。
正则表达式的优点之一是有很多风格可供选择。

标签： c regex

【解决方案1】：

根据POSIX regular expression 规范：

普通字符是受支持字符集中的任何字符，但 ERE 特殊字符中列出的 ERE 特殊字符除外。以反斜杠 ('\') 开头的普通字符的解释是未定义的。

因此，唯一可以合法跟随\ 的字符是：

\^    \.    \[    \$    \(    \)    \|
\*    \+    \?    \{    \\

所有这些都匹配转义字符。尝试使用任何其他 PCRE 扩展可能无法正常工作。

【讨论】：

@TomKarzes：glibc supports \s and \w but not \d。谜团已揭开。无论如何，它仍然是非标准语法。
@TomKarzes: REG_EXTENDED 启用扩展正则表达式 (ERE)，这就是我在上面引用的内容。当然，任何特定的实现都可以扩展一些东西，为规范中未定义的任何东西提供任何语义。
Alan Moore 指出，看起来 OP 正在获取GNU ERE extensions，其中包括\w 和\s，但不包括\d。

【解决方案2】：

\d 是 perl 和 vim 字符类。

改用：

 const char *rstr = "^[[:digit:]]+\\s+\\w+\\s+[[:digit:]]+\\s+\\w+$";

【讨论】：

【解决方案3】：

在严格的 POSIX 环境中尝试任何一种模式都可能最终没有匹配项；如果你想让模式真正兼容 POSIX，请使用所有括号表达式：

const char *rstr = "^[[:digit:]]+[[:space:]]+[[:alpha:]]+[[:space:]]+[[:digit:]]+[[:space:]]+[[:alpha:]]+$";

↳POSIX Character_classes

【讨论】：

快速提示：常规空格应该仍然有效，因此模式可以缩短为^[[:digit:]]+ +[[:alpha:]]+ +[[:digit:]]+ +[[:alpha:]]+$
感谢这个例子。当我早些时候尝试这个时，我使用了单括号，这对我来说似乎是POSIX Character_classes 上的表格所指示的。另外，我会使用文字空间，除非我想允许制表符。

【解决方案4】：

您使用的正则表达式风格是 GNU ERE，它类似于 POSIX ERE，但有一些额外的功能。其中包括对字符类简写\s、\S、\w 和\W 的支持，但不 \d 和\D。您可以找到更多信息here。

【讨论】：

感谢您指出这一点。我忽略了该页面上没有 \d 和 \D。