将正则表达式匹配的字符串保存到字符串数组

Question

所以我刚开始拿起 c 我的最终目标是编写一个函数，用正则表达式搜索字符串并返回匹配数组。

我遇到的最大问题是将字符串保存到内存中，这些字符串可以在作为参数传入的指针中返回或引用。

我真的很想知道有多少匹配项，这样我就可以做类似 c# 的事情； if(matches.Count() > 0) { /* we have a match! */ } 然后根据我最终传入的模式获取每个匹配组的结果字符串。

我知道这是不正确的，并且在实践中可能还有其他一些错误，但这是我试图找出它的代码，我试图通过阅读指针、结构、char 数组..etc 来解决这个问题

typedef struct
{
    char *match;
} Matches;

int main()
{
    regex_t regex;
    int reti;
    char msgbuf[100];
    int max_matches = 10;
    regmatch_t m[max_matches];

    char str[] = "hello world";

    reti = regcomp(&regex, "(hello) (world)", REG_EXTENDED);
    if( reti )
    {
        fprintf(stderr, "Could not compile regex\n");
        exit(1);
    }

    reti = regexec(&regex, str, (size_t) max_matches, m, 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);
    }

    char *p = str;
    int num_of_matches = 0;

    Matches *matches;

    int i = 0;
    for(i = 0; i < max_matches; i++)
    {
        if (m[i].rm_so == -1) break;

        int start = m[i].rm_so + (p - str);
        int finish = m[i].rm_eo + (p - str);

        if (i == 0)
            printf ("$& is ");
        else
            printf ("$%d is ", i);

        char match[finish - start + 1];
        memcpy(match, str + start, finish - start);
        match[sizeof(match)] = 0;

        matches[i].match = match; //Need to get access to this string in an array outside of the loop

        printf ("'%.*s' (bytes %d:%d)\n", (finish - start), str + start, start, finish);

        num_of_matches++;
    }
    p += m[0].rm_eo;

    for(i = 0; i < num_of_matches; i++)
    {
        printf("'%s'\n", matches[i].match);
    }

    /* Free compiled regular expression if you want to use the regex_t again */
    regfree(&regex);

    return 0;
}

当我认为我只匹配“世界”时我注意到当我注释掉 printf 语句时，最后一个 printf 语句返回空字符或随机字符。

Answer 1

您的问题主要是与 C 字符串有关的内存问题。

首先，为匹配项定义一个数组：

Matches *matches;

这定义了一个指向你的匹配结构的指针，但是这个指针是未初始化的并且没有指向任何合理的地方。相反，您应该定义一个匹配数组：

Matches matches[max_matches];

这将为您提供 10 个（本地）匹配项供您访问。

接下来，您定义一个本地字符串以将匹配项保存为可变长度数组 (VLA)：

char match[finish - start + 1];

这一次，您已经分配了足够的空间来保存子字符串。但是这个 char 缓冲区是本地的，当你到达 for 循环体的右括号时，它就会消失。下一次循环可能会使用相同的内存。循环后访问此内存是非法的。

一种解决方案是使用malloc在堆上分配内存：

char *match = malloc(finish - start + 1);

请注意，稍后您必须使用free 再次显式释放资源。

您复制子字符串并以空字符结尾。但是，当您这样做时，您不会正确获取空字符的位置：

match[sizeof(match)] = 0;

sizeof 是一个编译时操作数，它告诉您给定表达式的类型在内存中占用了多少字节。当您使用 VLA 时，sizeof(match) 位于 thatb 缓冲区末尾之后。现在我们使用一个指向已分配内存的指针，其中sizeof 是指针的大小。

sizeof 经常与strlen 混淆，但在这里您不能使用strlen，因为match 尚未按照strlen 的要求以空值终止。但是你知道字符串的大小，你自己的：

match[finish - start] = 0;

你也不需要指针p，只需定义：

int start = m[i].rm_so;
int finish = m[i].rm_eo;

所以：

• 确保在要存储内容时实际分配内存。
• 请注意不要在访问本地内存之前使其失效。 （这方面最令人震惊的例子是从函数返回本地数组的地址。您的情况不那么令人反感，但也不那么明显。）
• 可以使用malloc 分配长寿命内存。此类内存不会被垃圾回收，必须使用 free 显式释放。
• sizeof 是编译时操作数。它是 malloc 等原始内存函数所需的拐杖。 （我在这里省略了sizeof，因为sizeof(char) 保证为1。）

在 C 中使用字符串不好玩吗？