Come si cattura un gruppo con espressioni regolari?

Question

Sto provando ad estrarre una stringa da un'altra usando regex. che sto utilizzando le funzioni POSIX regex (regcomp, regexec ...), e non riuscire a catturare un gruppo ...

Per esempio, lasciare che il modello sia qualcosa di semplice come "MAIL FROM:<(.*)>"
(con REG_EXTENDED CFLAGS)

voglio catturare tutto tra '<' e '>'

mio problema è che mi dà regmatch_t i confini di tutto il modello (MAIL FROM: < ...>) invece di quello che c'è tra la parentesi ...

Cosa mi manca?

Grazie in anticipo,

completa: codice

#define SENDER_REGEX "MAIL FROM:<(.*)>" 

int main(int ac, char **av) 
{ 
    regex_t regex; 
    int status; 
    regmatch_t pmatch[1]; 

    if (regcomp(&regex, SENDER_REGEX, REG_ICASE|REG_EXTENDED) != 0) 
    printf("regcomp error\n"); 
    status = regexec(&regex, av[1], 1, pmatch, 0); 
    regfree(&regex); 
    if (!status) 
     printf( "matched from %d (%c) to %d (%c)\n" 
      , pmatch[0].rm_so 
      , av[1][pmatch[0].rm_so] 
      , pmatch[0].rm_eo 
      , av[1][pmatch[0].rm_eo] 
      ); 

    return (0); 
} 

uscite:

$./a.out "MAIL FROM:<abcd>$" 
matched from 6 (M) to 22 ($) 

soluzione:

come detto RarrRarrRarr, gli indici sono effettivamente in pmatch[1].rm_so e pmatch[1].rm_eo
quindi regmatch_t pmatch[1]; diventa regmatch_t pmatch[2];
e regexec(&regex, av[1], 1, pmatch, 0); diventa regexec(&regex, av[1], 2, pmatch, 0);

Grazie :)

Answer 1

L'elemento 0th dell'array pmatch di struct regmatch_t conterrà la i confini dell'intera stringa corrispondono, come hai notato. Nel tuo esempio, sei interessato al regmatch_t all'indice 1, non all'indice 0, per ottenere informazioni sulla corrispondenza delle stringhe con la sottoespressione.

Se hai bisogno di ulteriore assistenza, prova a modificare la domanda per includere un esempio di codice ridotto in modo che le persone possano individuare più facilmente il problema.

Answer 2

Ecco un esempio di codice che dimostra l'acquisizione di più gruppi.

È possibile vedere che il gruppo '0' è l'intera corrispondenza e che i gruppi successivi sono le parti tra parentesi.

Si noti che questo acquisirà solo la prima corrispondenza nella stringa di origine. Here's a version that captures multiple groups in multiple matches.

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

int main() 
{ 
    char * source = "___ abc123def ___ ghi456 ___"; 
    char * regexString = "[a-z]*([0-9]+)([a-z]*)"; 
    size_t maxGroups = 3; 

    regex_t regexCompiled; 
    regmatch_t groupArray[maxGroups]; 

    if (regcomp(&regexCompiled, regexString, REG_EXTENDED)) 
    { 
     printf("Could not compile regular expression.\n"); 
     return 1; 
    }; 

    if (regexec(&regexCompiled, source, maxGroups, groupArray, 0) == 0) 
    { 
     unsigned int g = 0; 
     for (g = 0; g < maxGroups; g++) 
     { 
      if (groupArray[g].rm_so == (size_t)-1) 
      break; // No more groups 

      char sourceCopy[strlen(source) + 1]; 
      strcpy(sourceCopy, source); 
      sourceCopy[groupArray[g].rm_eo] = 0; 
      printf("Group %u: [%2u-%2u]: %s\n", 
       g, groupArray[g].rm_so, groupArray[g].rm_eo, 
       sourceCopy + groupArray[g].rm_so); 
     } 
    } 

    regfree(&regexCompiled); 

    return 0; 
} 

uscita:

Group 0: [ 4-13]: abc123def 
Group 1: [ 7-10]: 123 
Group 2: [10-13]: def