在vc6中使用PCRE-8.33

#在vc6中使用PCRE-8.33

1. 引言

  最近開發項目要遇到數據檢驗問題，打算使用正則表達式，由於它簡單、高效，重要的是，不用把檢驗規則硬編碼在程序裏，放在配置文件中便可。因爲使用的開發工具是vc6，不像vs2008那樣已經自帶boost的regex庫。上網一查，最後在boost regex 和 PCRE 兩個裏選擇。在編譯速度上，boost regex 要慢一些；在運行速度上，PCRE在匹配簡單字符串時更快，boost則在匹配較長字符串時略快。在綜合考慮了大小和易用性以後，選擇了PCRE。

2. PCRE簡介

  正則表達式(regular expression)，一般簡寫爲regex、regexp或RE，使用單個字符串來描述、匹配一系列符合某個句法規則的字符串。

  PCRE(Perl Compatible Regular Expressions)，是一個函數庫，由Philip Hazel開發，該函數庫使用與Perl5同樣的語法和語義實現了正則表達式的模式匹配功能。PCRE是免費開源的，它是由C語言實現。不少著名的開源軟件如Apache、PHP、KDE、Nginx 等都使用了PCRE。官方主頁--http://www.pcre.org，目前（2013.12）最新版本是8.33。

3. 如何在vc6中使用PCRE

####3.1 下載最新版PCRE

  下載地址----ftp://ftp.csx.cam.ac.uk/pub/software/programming/pcre/ windows用戶下載擴展名爲 zip 的文件就好。下載完成後，解壓縮。

  順便提一下，也能夠在這個網址(http://www.psyon.org/projects/pcre-win32/) 下載帶vs工程文件的源碼，但這個網站的版本要滯後於 PCRE 官網的。好比如今，官網的最新版本是8.33，而這個網站的最新版本是7.9。

####3.2 編譯 PCRE

  PCRE的做者Philip Hazel是在linux上工做的，因此編譯PCRE最好的辦法天然是configure, make, make install三步曲了。在windows下， cygwin或者MinGW都支持這麼作，雖然它們兩者實際上是徹底不一樣的。網上有許多文章也講了手工編譯PCRE的方法，雖然不是針對最新版本的，但略做修改，也是可行的（但要作到一鍵搞定，還要多下功夫才行）。

  今天我要介紹的是用CMake。CMake是一種配置工具，能夠用來代替「configure」。有愈來愈多的開源程序支持 CMake，由於其簡單、實用、足夠強大。

  先從 http://www.cmake.org 上下載最新版的CMake，我是直接下載的安裝包：cmake-2.8.12.1-win32-x86.exe。而後安裝，最好安裝到沒有空格的目錄下（事實上，這是個好習慣）。安裝完成後別忘了把 cmake/bin 放到環境變量path中。

  在解壓縮後的PCRE目錄下建個子目錄build，好比個人D:\pcre-8.33\build。

  進入控制檯，而後先運行vc6的設置環境變量的批處理，個人機器上是D:\Program Files\Microsoft Visual Studio\VC98\Bin\VCVARS32.BAT，而後鍵入 cmake-gui ，回車。

• 設置要編譯的源代碼的路徑以及編譯好的二進制文件存放的路徑

• 點"Configure"按鈕，而後選擇編譯器，能夠選擇合適的編譯器，由於我用的就是vc6，因此我選擇了 "Visual Studio 6"。

• CMake 會讀取源代碼目錄下的文件 CMakeLists.txt ，而後將讀到的配置以紅顏色顯示出來，此時能夠根據咱們的須要適當的選擇或去掉一些配置，好比加上 PCRE_SUPPORT_UTF，去掉PCRE_SUPPORT_JIT(不須要嵌入式的代碼)、PCRE_BUILD_PCRECPP(我只想要c形式的庫)；還能夠修改一些配置的值，好比把PCRE_NEWLINE從LF改爲CRLF。而後再點一下"Configure",最後點"Generate"，你會發如今build目錄裏生成了一系列的vc6的工程文件以及一些.h文件和.c文件。咱們最關心的是pcre.dsp。打開它，剩下的，對咱們應該都不是問題了。:)

####3.3 在工程中使用PCRE

• 包含頭文件 #include "pcre.h"

• 連接靜態庫 #pragma comment(lib,"pcre.lib")

• 在項目」預處理器定義「中加上PCRE_STATIC

• 示例代碼：

  pcre *myregexp;
    const char *error;
    int erroroffset;
    int offsetcount;
    int offsets[(0+1)*3]; // (max_capturing_groups+1)*3
    myregexp = pcre_compile("\\b[A-Z0-9._%+-]+@[A-Z0-9.-]+\\.[A-Z]{2,6}\\b", 0, &error, &erroroffset, NULL);
    if (myregexp != NULL) {
    	offsetcount = pcre_exec(myregexp, NULL, subject, strlen(subject), 0, 0, offsets, (0+1)*3);
    	while (offsetcount > 0) {
    		// match offset = offsets[0];
    		// match length = offsets[1] - offsets[0];
    		if (pcre_get_substring(subject, &offsets, offsetcount, 0, &result) >= 0) {
    			// Do something with match we just stored into result
    		}
    		offsetcount = pcre_exec(myregexp, NULL, subject, strlen(subject), 0, offsets[1], offsets, (0+1)*3);
    	} 
    } else {
    	// Syntax error in the regular expression at erroroffset
    }

• 接口介紹： pcre *pcre_compile、pcre_exec

  pcre *pcre_compile(const char *pattern, int options,
    const char **errptr, int *erroffset,
    const unsigned char *tableptr);
    功能：編譯一個描述正則表達式的字符串
    參數：pattern, 輸入參數，將要被編譯的字符串形式的正則表達式
      options, 輸入參數，用來指定編譯時的一些選項
      errptr, 輸出參數，用來輸出錯誤信息
      erroffset, 輸出參數，pattern中出錯位置的偏移量
      tableptr, 輸入參數，用來指定字符表，通常狀況用NULL, 使用缺省的字符表
    返回值：被編譯好的正則表達式的pcre內部表示結構
  
  
    int pcre_exec(const pcre *code, const pcre_extra *extra,
                const char *subject, int length, int startoffset,
                int options, int *ovector, int ovecsize);
    功能：用來檢查某個字符串是否與指定的正則表達式匹配
    參數： code, 輸入參數，用pcre_compile編譯好的正則表達結構的指針
          extra, 輸入參數，用來向pcre_exec傳一些額外的數據信息的結構的指針
          subject, 輸入參數，要被用來匹配的字符串
          length, 輸入參數， 要被用來匹配的字符串的指針
          startoffset, 輸入參數，用來指定subject從什麼位置開始被匹配的偏移量
          options, 輸入參數， 用來指定匹配過程當中的一些選項
          ovector, 輸出參數，用來返回匹配位置偏移量的數組
          ovecsize, 輸入參數， 用來返回匹配位置偏移量的數組的最大大小
    返回值：匹配成功返回非負數，匹配返回負數

簡單的說，pcre_compile 把一個描述正則表達式的字符串編譯成內部表示形式，以後就能夠用pcre_exec來進行匹配、捕獲等工做。

  固然，PCRE的功能是很是強大的，遠不止上面說的那麼簡單。剩下的就看咱們本身的探索了。

  順便說一句：PCRE源代碼目錄下testdata目錄中的那些輸入和輸出文件，自己就是很好的學習正則表達式極好的東西。