PCRE多行匹配问题答案

【问题标题】：PCRE multi line matche problemPCRE多行匹配问题
【发布时间】：2010-04-18 22:03:50
【问题描述】：

我有这个 C++ 程序（实际上它只是一个 sn-p）：

#include <iostream>
#include <pcre.h>
#include <string>

using namespace std;

int main(){    
    string pattern = "<a\\s+href\\s*=\\s*\"([^\"]+)\"",
           html = "<html>\n"
                  "<body>\n"
                  "<a href=\"example_link_1\"/>\n"
                  "<a href=\"example_link_2\"/>\n"
                  "<a href=\"example_link_3\"/>\n"
                  "</body>\n"
                  "</html>";
    int            i, ccount, rc,
                *offsets,
                 eoffset;
    const char  *error;
    pcre         *compiled;

    compiled = pcre_compile( pattern.c_str(), PCRE_CASELESS | PCRE_MULTILINE, &error, &eoffset, 0 );
    if( !compiled ){
        cerr << "Error compiling the regexp!!" << endl;
        return 0;
    }

    rc = pcre_fullinfo( compiled, 0, PCRE_INFO_CAPTURECOUNT, &ccount );

    offsets = new int[ 3 * (ccount + 1) ];

    rc = pcre_exec( compiled, 0, html.c_str(), html.length(), 0, 0, offsets, 3 * (ccount + 1) );

    if( rc >= 0 ){
        for( i = 1; i < rc; ++i ){
            cout << "Match : " << html.substr( offsets[2*i], offsets[2*i+1] - offsets[2*i] ) << endl;
        }
    }
    else{
        cout << "Sorry, no matches!" << endl;
    }

    delete [] offsets;

    return 0;
}

如您所见，我正在尝试将缓冲区内的 html 链接与给定的正则表达式匹配（对于 C/C++ 字符串，\\s 是 \s 转义）。但是，即使缓冲区中有 3 个链接并且正则表达式是使用 PCRE_CASELESS 和 PCRE_MULTILINE 标志编译的，我也只匹配一个元素：

Match : example_link_1

注意：我从索引 1 开始循环，因为 pcre 库返回匹配的字符串（不是匹配本身）作为第一个元素，然后是匹配。

这段代码有什么问题？我认为正则表达式本身是正确的（例如在 PHP 中尝试过）。

【问题讨论】：

标签： c++ regex pcre

【解决方案1】：

好吧，它不应该返回所有匹配项。想想看，你要求捕获计数，它类似于一或二（也就是说，要么是整个匹配和一个子表达式，要么只是子表达式，我不记得了，我猜是两个）。以及您如何期望它知道您从未传递给它的字符串中有多少匹配项？而且您不希望该事物在数组中返回三个匹配项，对吗？如果你有三千？

自从我处理 pcre api 以来已经有一段时间了，但我认为您需要再次循环并匹配字符串的其余部分。

【讨论】：

我搜索了这个“循环”并找到了解决方案，谢谢！ :)