C 语言 sscanf 格式化解析与正则匹配

简介

在C语言中，sscanf 函数是一种非常常用的输入格式化函数，其功能与 scanf 函数相似。
与 scanf 函数不同的是，sscanf 函数使用字符串作为输入源，格式化读取字符串中的内容。
sscanf 函数与正则表达式结合使用，可以更加方便高效地进行字符串处理，本文将详细介绍 sscanf 正则表达式用法。

基本语法

sscanf函数的基本语法如下：

int sscanf(const char *str, const char *format, ...);

其中，str 表示从哪个字符串中读取数据，format 表示读取数据的格式控制字符串，…表示根据 format 中的格式控制符依次读取数据的变量列表。

原理

sscanf 函数的工作原理非常简单，当输入字符串 str 和格式控制字符串 format 都合法时，sscanf 函数就开始逐个解析 format 中的格式控制符，并将输入字符串中对应位置的字符转换为相应的数据类型。如果输入字符串的某个位置与格式控制符不匹配，则sscanf函数跳过这个位置的字符，并返回当前已经转换的数据量。

正则表达式的使用

在sscanf函数中，格式控制字符串 format 可以包含正则表达式，以更加灵活地匹配字符串中的内容。
正则表达式的使用需要借助标准头文件 <regex.h> 中提供的函数库，如下所示：

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

int main() {
char *str = "apple1 banana2";
char *pattern = "[a-z]+([0-9]+)";
regex_t reg;
regmatch_t pmatch[2];
int err;

err = regcomp(&reg, pattern, REG_EXTENDED);
if(err != 0) {
printf("regcomp error: %d\n", err);
return -1;
}

err = regexec(&reg, str, 2, pmatch, 0);
if(err == REG_NOMATCH) {
printf("no match.\n");
} else if(err != 0) {
printf("regexec error: %d\n", err);
return -1;
} else {
char buf[64];
memset(buf, 0, sizeof(buf));
sprintf(buf, "match: %.*s\n", pmatch[1].rm_eo - pmatch[1].rm_so, str + pmatch[1].rm_so);
printf("%s", buf);
}

regfree(&reg);
return 0;
}

上述代码中，我们首先定义一个输入字符串str，其中包含了若干字符和数字。
然后，我们定义了一个正则表达式pattern，用于匹配字符串中以字母开头、后面跟着数字的子串。
接着，我们使用regcomp函数将正则表达式编译成一个 regex\_t 类型的结构体对象，用来存储正则表达式的内部结构。

然后，我们使用regexec函数对输入字符串str进行正则表达式匹配操作，
其中第一个参数是正则表达式结构体对象，第二个参数是待匹配的字符串，第三个参数是匹配结果数组的大小，第四个参数是匹配结果数组。
如果匹配失败，则返回 REG\_NOMATCH ；如果发生其他错误，则返回一个非0值；如果匹配成功，则返回0，并填充匹配结果数组。

最后，我们遍历匹配结果数组，使用 sprintf 函数将匹配到的子串存储到一个缓冲区中，并输出这个子串即可。
需要注意的是，sprintf 函数使用”.*s”格式控制符以动态的方式输出匹配到的子串，其内部包含了一个指针和一个字符串长度，用于指示输出内容的开始位置和长度。

示例

为了更加直观地展示sscanf正则表达式的使用方法，下面给出一个具体的示例。
假设我们有一个字符串”Tom 22 Male”，其中包含了一个人的姓名、年龄和性别。
我们希望使用 sscanf 函数从这个字符串中读取这三个信息，并存储到三个不同的变量中。
我们可以先定义三个变量，如下所示：

char name[32] = "";
int age = 0;
char gender[8] = "";

然后，我们使用 sscanf 函数读取字符串中的这三个信息，如下所示：

sscanf(str, "%s %d %s", name, &age, gender);

这个格式控制字符串中，”%s”表示读取一个字符串，”%d”表示读取一个整数，”%s”再次表示读取一个字符串。
这个字符串中的三个信息分别存储到了 name 、age 和 gender 变量中。

如果我们希望从一个包含多个人信息的字符串中，读取每个人的姓名、年龄和性别，
并将其存储到对应的结构体中，我们可以使用正则表达式来匹配这些信息，如下所示：

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

struct Person {
char name[32];
int age;
char gender[8];
};

int main() {
char *str = "Tom 22 Male, Lucy 23 Female";
char *pattern = "([a-zA-Z]+) ([0-9]+) ([a-zA-Z]+)";

regex_t reg;
regcomp(&reg, pattern, REG_EXTENDED);

regmatch_t pmatch[4];
int pos = 0;
int i = 0;
struct Person people[10];

while(regexec(&reg, str + pos, 4, pmatch, 0) == 0 && i < 10) {
pos += (pmatch[0].rm_eo);
sscanf(str + pos, "%s %d %s", people[i].name, &people[i].age, people[i].gender);
i++;
}

regfree(&reg);

return 0;
}

上述代码中，我们首先定义了一个 Person 结构体，用来存储人的姓名、年龄和性别信息。
然后，我们使用正则表达式 pattern 来匹配输入字符串中的每个人信息，
其中”([a-zA-Z]+) ([0-9]+) ([a-zA-Z]+)”是一个由三个子正则表达式组成的表达式，
用于匹配姓名、年龄和性别信息。这个表达式中，第一个子表达式匹配一个或多个字母字符，
第二个子表达式匹配一个或多个数字字符，第三个子表达式再次匹配一个或多个字母字符。

接着，我们使用 regcomp 函数将正则表达式编译成一个regex_t类型的结构体对象，
并使用 regexec 函数对输入字符串进行正则表达式匹配，直到匹配完整个字符串。
在每次匹配成功后，我们使用sscanf函数从输入字符串中读取姓名、年龄和性别信息，并存储到对应的结构体中。

最后，在主函数中我们创建了一个 Person 类型的数组，并依次将每个人信息存储到这个数组中。
需要注意的是，我们在使用 sscanf 函数时，需要将输入字符串的起始位置指向当前匹配结果结束位置的下一个位置，
以避免反复读取同一个人信息的问题。

结论

本文介绍了 sscanf 函数的使用方法，以及如何在 sscanf 函数中使用正则表达式来更加高效地处理字符串。
可以看到，正则表达式是一种非常强大的字符串匹配工具，在C语言中使用正则表达式也变得非常简单易用。
在实际的编程过程中，可以灵活运用 sscanf 函数和正则表达式，来解决各种字符串处理问题。