Posix 正則表達式非貪婪

Question

有沒有辦法在 C 中使用非貪婪的正則表達式，就像在 Perl 中使用的那樣？ 我嘗試了幾件事，但實際上沒有用。

我目前正在使用這個匹配 IP 地址和相應 HTTP 請求的正則表達式，但它很貪婪，盡管我使用 *?：

([0-9]{1,3}(\\.[0-9]{1,3}){3})(.*?)HTTP/1.1

在這個例子中，它總是匹配整個字符串：

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

int main() {

    int a, i;
    regex_t re;
    regmatch_t pm;
    char *mpages = "TEST 127.0.0.1 GET /test.php HTTP/1.1\" 404 525 \"-\" \"Mozilla/5.0 (Windows NT  HTTP/1.1 TEST";

    a = regcomp(&re, "([0-9]{1,3}(\\.[0-9]{1,3}){3})(.*?)HTTP/1.1", REG_EXTENDED);

    if(a!=0)
        printf(" -> Error: Invalid Regex");

    a = regexec(&re, &mpages[0], 1, &pm, REG_EXTENDED);

    if(a==0) {

        for(i = pm.rm_so; i < pm.rm_eo; i++)
            printf("%c", mpages[i]);
        printf("\n");
    }
    return 0;
}

$ ./regtest

127.0.0.1 GET /test.php HTTP/1.1" 404 525 "-" "Mozilla/5.0 (Windows NT HTTP/1.1

Answer 1

不，POSIX 正則表達式中沒有非貪婪量詞。 但是有一個庫為 C 提供了類似 perl 的正則表達式： http ://www.pcre.org/

Answer 2

正如我之前在評論中所說，使用grep -E使用 POSIX 正則表達式運行測試，這樣開發時間將得到改善。 無論哪種方式，您的問題似乎在於正則表達式而不是缺少的功能。

我不太清楚你想從請求中獲取什么......假設你只想要 IP 地址、HTTP 動詞和資源，最終可能會得到以下正則表達式。

regcomp(&re, "\\b(.?[0-9])+\\s+(GET|POST|PUT)\\s+([^ ]+)", REG_EXTENDED);

請注意，已經做出了幾個假設。 例如，此正則表達式假定 IP 地址格式正確，它還假定請求帶有 HTTP 動詞 GET、POST、PUT。 根據您的需要進行編輯。

Answer 3

讓正則表達式匹配下一次出現的單詞的蠻力方法是：

"([^H]|H[^T]|HT[^T]|HTT[^P]|HTTP{^/]|HTTP/[^1]|HTTP/1[^.]|HTTP/1\\.[^1])*HTTP/1\\.1"

除非你能更聰明地了解你的匹配——你可以： HTTP請求是

Request-Line   = Method SP Request-URI SP HTTP-Version CRLF

並且右邊的非終結符都不匹配嵌入的空格。 所以：

"[0-9]{1,3}(\\.[0-9]{1,3}){3} [^ ]* [^ ]* HTTP/1\\.1"

因為您只是為整個表達式匹配分配空間，或者將括號放回原處以獲取碎片。

Answer 4

a = regcomp(&re, "([0-9]{1,3}(\\.[0-9]{1,3}){3})(.*?)HTTP/1.1",  REG_EXTENDED|REG_ENHANCED);  

以前沒有這個宏

#if __MAC_OS_X_VERSION_MIN_REQUIRED  >= __MAC_10_8 \
 || __IPHONE_OS_VERSION_MIN_REQUIRED >= __IPHONE_6_0
#define REG_ENHANCED    0400    /* Additional (non-POSIX) features */
#endif

Answer 5

在您的代碼中， pm應該是regmatch_t的數組，在您的情況下，應該至少有 2 到 4 個元素，具體取決於您要捕獲的 () 子表達式。

你只有一個元素。 第一個元素pm[0]始終獲取與整個 RE 匹配的任何文本。 這就是你會得到的。 pm[1]將獲取第一個 () 子表達式（IP 地址）的文本，而pm[3]將獲取與您的(.*?)術語匹配的文本。

但即便如此，如上所述（Wumbley，WQ）POSIX 正則表達式庫可能不支持非貪婪量詞。