0%

逐行处理内存文本及正则表达式元字符列表

Posted on Edited on In
Symbols count in article: 6.4k Reading time ≈ 6 mins.

文本内容

P:013.0:E:11054:H:27500:5DDC29D54BE4D7:F3381AD050DE3A
P:091.5:E:03960:H:29700:DAE69F8B6E0106:E0DE2F8903AE55
P:105.5:E:03960:H:27500:CEF7CE422FF89E:E42DB81767E02E
P:166.0:E:03760:V:27690:7199819B0CF04F:7EE0F00CFFBF66
P:138.0:E:03703:V:04444:AD5CDBA991505A:1E1376FD07FB13
P:166.0:E:03830:H:14000:956D98AD9E6E84:842F2801182286

或者：

B:042.0:E:11919:V:24444:00012:1000000000000000:TRT3
B:042.0:E:11954:A:08800:00001:1111110011111800:EINTERCOM
B:042.0:E:11953:A:02980:00001:1212123312121233:
B:042.0:E:11996:V:27500:00300:A33130046167824A:Sci-Tech TV
B:042.0:E:12015:H:27500:00009:1000001010000010:Teledunya 3D
B:042.0:E:12130:V:27500:00024:1000000000000000:Radio Migros
B:042.0:E:12130:V:27500:00025:1000000000000000:Radio Tansas

逐行读取文本strsep

char *tok = NULL;
for (tok = strsep(&p, "\n"); tok != NULL; tok = strsep(&p, "\n"))
{
    printf("\033[33m%s\n\033[0m", tok);
    //TODO
}

处理单行格式化文本sscanf

sscanf() - 从一个字符串中读进与指定格式相符的数据.　函数原型:

int sscanf( string str, string fmt, mixed var1, mixed var2 ...  );
int scanf( const char \*format [,argument]...  );

说明：

sscanf与scanf类似，都是用于输入的，只是后者以屏幕(stdin)为输入源，前者以固定字符串为输入源。
其中的format可以是一个或多个 %[*] [width] [{h | l | I64 | L}]type | ‘ ‘ | ‘\t’ | ‘\n’ | 非%符号：

  1. * 亦可用于格式中, (即 %*d 和 %*s) 加了星号 (*) 表示跳过此数据不读入. (也就是不把此数据读入参数中)
  2. {a|b|c}表示a,b,c中选一，[d],表示可以有d也可以没有d。
  3. width表示读取宽度。
  4. {h | l | I64 | L}:参数的size,通常h表示单字节size，I表示2字节size,L表示4字节size(double例外),l64表示8字节size。
  5. type :这就很多了，就是%s,%d,%c之类。
  6. 特别的：%*[width] [{h | l | I64 | L}]type 表示满足该条件的被过滤掉，不会向目标参数中写入值

支持集合操作：

  1. %[a-z] 表示匹配a到z中任意字符，贪婪性(尽可能多的匹配)
  2. %[A-Z] 表示匹配A到Z中任意字符，贪婪性(尽可能多的匹配)
  3. %[aB’] 匹配a、B、’中一员，贪婪性
  4. %[^a] 匹配非a的任意字符，贪婪性

注意：在读入的字符串是空字符串时，sscanf函数并不改变待读入到的字符串的值。

针对格式化文本的处理：

char longitude[6] = {0};
char direction = 0;
char frequency[6] = {0};
char polar = 0;
char symbol[6] = {0};
char sid[6] = {0};
char data0[EMU_KEY_STR_LEN] = {0};
char data1[EMU_KEY_STR_LEN] = {0};

if (type == 0)
{
    //B:004.0:W:11389:A:27500:00011:1A2B3C81C3B2A116:RTR                  
    sscanf(tok, "%*1c:%5c:%1c:%5c:%1c:%5c:%5c:%16c:%16c",
            longitude, &direction, frequency, &polar, symbol, sid, data0, data1);
}
else
{ 
    //P:105.5:E:03960:H:27500:CEF7CE422FF89E:E42DB81767E02E
    sscanf(tok, "%*1c:%5c:%1c:%5c:%1c:%5c:%14c:%14c",
            longitude, &direction, frequency, &polar, symbol, data0, data1);
}
pMinifs->symbol_rate = atoi(symbol);
.
.
.

注意：%s与%c的区别，注意buf的长度包含字符串结束符‘\0’，长度如果不对，后续处理可能出现问题。

强制内存转换处理格式化文本

针对格式化文本还有一种内存强制转换的处理方式：

struct DevData{
    char tag[2];
    char longitude[6];
    char direction[2];
    char frequency[6];
    char polar[2];
    char symbol_rate[6];
    char service_id[6];
    char key[KEY_STR_LEN+1];
    char prog_name[PROG_NAME_LENTH];
    char line_feed[2];//tail(0x0d0a or 0x0a)
} __attribute__((packed));

//获取文件数据
fd = fopen(path, "r");
p = (char *)mallocz(size);
fseek(fd, 0, SEEK_SET);
fread(fd, p, 1, size);

//强制转换
struct DevData *pRootData=NULL;
for(i=0;i<total_num;i++)
{
    pRootData = (struct DevData*)p1;
    .
    .
    //处理当前结构体pRootData，并获得偏移量用来取下一个结构体数据
    memset(atoi_buf,0,sizeof(atoi_buf));
    memcpy(atoi_buf,pRootData->symbol_rate,sizeof(pRootData->symbol_rate)-1);
    pMinifs->symbol_rate = atoi(atoi_buf);
    .
    p1 += offset;
}

正则表达式

特殊字符

\

转义字符，将下一字符标记为特殊字符、文本、反向引用或八进制转义符

'\n'匹配换行，
'\\'匹配'\'

^

匹配搜索字符串开始的位置。如果标志中包括 m（多行搜索）字符，^ 还将匹配 \n 或 \r 后面的位置。
如果将 ^ 用作括号表达式中的第一个字符，则会对字符集求反。

^\d{3} 与搜索字符串开始处的 3 个数字匹配。
[^abc] 与除 a、b 和 c 以外的任何字符匹配。

$

匹配搜索字符串结尾的位置。 如果标志中包括 m（多行搜索）字符，^ 还将匹配 \n 或 \r 前面的位置。

\d{3}$ 与搜索字符串结尾处的 3 个数字匹配。

*

零次或多次匹配前面的字符或子表达式。等效于 {0,}。

zo\* 与“z”和“zoo”匹配。

+

一次或多次匹配前面的字符或子表达式。 等效于 {1,}。

zo+ 与“zo”和“zoo”匹配，但与“z”不匹配。

?

零次或一次匹配前面的字符或子表达式。 等效于 {0,1}。
当 ? 紧随任何其他限定符（*、+、?、{n}、{n,} 或 {n,m}）之后时，匹配模式是非贪婪的。
非贪婪模式匹配搜索到的、尽可能少的字符串， 而默认的贪婪模式匹配搜索到的、尽可能多的字符串。

zo? 与“z”和“zo”匹配，但与“zoo”不匹配。
o+? 只与“oooo”中的单个“o”匹配，而 o+ 与所有“o”匹配。
do(es)? 与“do”或“does”中的“do”匹配。

.

匹配除换行符 \n 之外的任何单个字符。 若要匹配包括 \n 在内的任意字符，请使用诸如 [\s\S] 之类的模式。

a.c 与“abc”、“a1c”和“a-c”匹配

[]

标记括号表达式的开始和结尾。

[1-4] 与“1”、“2”、“3”或“4”匹配。 [^aAeEiIoOuU] 与任何非元音字符匹配

{}

标记限定符表达式的开始和结尾。

a{2,3} 与“aa”和“aaa”匹配

()

标记子表达式的开始和结尾。 可以保存子表达式以备将来之用。

A(\d) 与“A0”至“A9”匹配。 保存该数字以备将来之用

|

指示在两个或多个项之间进行选择。

z|food 与“z”或“food”匹配。 (z|f)ood 与“zood”或“food”匹配

元字符

\b

与一个字边界匹配；即字与空格间的位置。

er\b 与“never”中的“er”匹配，但与“verb”中的“er”不匹配

\B

非边界字匹配。

er\B 与“verb”中的“er”匹配，但与“never”中的“er”不匹配

\d

数字字符匹配。 等效于 [0-9]。

在搜索字符串“12 345”中，\d{2} 与“12”和“34”匹配。 \d 与“1”、“2”、“3”、“4”和“5”匹配。

\D

非数字字符匹配。 等效于 [^0-9]。

\D+ 与“abc123 def”中的“abc”和“def”匹配。

\w

与以下任意字符匹配：A-Z、a-z、0-9 和下划线。 等效于 [A-Za-z0-9_]。

在搜索字符串“The quick brown fox…”中，\w+ 与“The”、“quick”、“brown”和“fox”匹配。

\W

与除 A-Z、a-z、0-9 和下划线以外的任意字符匹配。 等效于 [^A-Za-z0-9_]。

在搜索字符串“The quick brown fox…”中，\W+ 与“…”和所有空格匹配。

[xyz]

字符集。 与任何一个指定字符匹配。

[abc] 与“plain”中的“a”匹配。

[^xyz]

反向字符集。 与未指定的任何字符匹配。

[^abc] 与“plain”中的“p”、“l”、“i”和“n”匹配。

[a-z]

字符范围。 匹配指定范围内的任何字符。

[a-z] 与“a”到“z”范围内的任何小写字母字符匹配。

[^a-z]

反向字符范围。 与不在指定范围内的任何字符匹配。

[^a-z] 与不在范围“a”到“z”内的任何字符匹配。

{n}

正好匹配 n 次。 n 是非负整数。

o{2} 与“Bob”中的“o”不匹配，但与“food”中的两个“o”匹配。

{n,}

至少匹配 n 次。 n 是非负整数。

* 与 {0,} 相等。
+ 与 {1,} 相等。
o{2,} 与“Bob”中的“o”不匹配，但与“foooood”中的所有“o”匹配。

{n,m}

匹配至少 n 次，至多 m 次。 n 和 m 是非负整数，其中 n <= m。 逗号和数字之间不能有空格。

? 与 {0,1} 相等。
在搜索字符串“1234567”中，\d{1,3} 与“123”、“456”和“7”匹配。

(pattern)

与pattern 匹配并保存匹配项。 若要匹配括号字符 ( )，请使用“(”或者“)”。

(Chapter|Section) [1-9] 与“Chapter 5”匹配，保存“Chapter”以备将来之用。

(?:pattern)

与pattern 匹配，但不保存匹配项；即不会存储匹配项以备将来之用。 这对于用“or”字符 (|) 组合模式部件的情况很有用。

industr(?:y|ies) 与 industry|industries 相等。

(?=pattern)

正预测先行。 找到一个匹配项后，将在匹配文本之前开始搜索下一个匹配项。 不会保存匹配项以备将来之用。

^(?=.\*\d).{4,8}$ 对密码应用以下限制：其长度必须介于 4 到 8 个字符之间，并且必须至少包含一个数字。

在该模式中，.*\d 查找后跟有数字的任意多个字符。 对于搜索字符串“abc3qr”，这与“abc3”匹配。
从该匹配项之前（而不是之后）开始，.{4,8} 与包含 4-8 个字符的字符串匹配。 这与“abc3qr”匹配。
^ 和 $ 指定搜索字符串的开始和结束位置。 这将在搜索字符串包含匹配字符之外的任何字符时阻止匹配。

(?!pattern)

负预测先行。 匹配与模式 不匹配的搜索字符串。 找到一个匹配项后，将在匹配文本之前开始搜索下一个匹配项。 不会保存匹配项以备将来之用。

\b(?!th)\w+\b 与不以“th”开头的单词匹配。

在该模式中，\b 与一个字边界匹配。 对于搜索字符串“ quick ”，这与第一个空格匹配。 (?!th) 与非“th”字符串匹配。 这与“qu”匹配。
从该匹配项开始，\w+ 与一个字匹配。 这与“quick”匹配。

\cx

匹配 x 指示的控制字符。 x 的值必须在 A-Z 或 a-z 范围内。 如果不是这样，则假定 c 就是文本“c”字符本身。

\cM 与 Ctrl+M 或一个回车符匹配。

\xn

匹配 n，此处的 n 是一个十六进制转义码。
十六进制转义码必须正好是两位数长。 允许在正则表达式中使用 ASCII 代码。

\x41 与“A”匹配。 \x041 等效于后跟有“1”的“\x04”（因为 n 必须正好是两位数）。

\num

匹配 num，此处的 num 是一个正整数。 这是对已保存的匹配项的引用。

(.)\1 与两个连续的相同字符匹配。

\n

标识一个八进制转义码或反向引用。 如果 \n 前面至少有 n 个捕获子表达式，那么 n 是反向引用。
否则，如果 n 是八进制数 (0-7)，那么 n 是八进制转义码。

(\d)\1 与两个连续的相同数字匹配。

\nm

标识一个八进制转义码或反向引用。 如果 \nm 前面至少有 nm 个捕获子表达式，那么 nm 是反向引用。
如果 \nm 前面至少有 n 个捕获子表达式，则 n 是反向引用，后面跟有文本 m。
如果上述情况都不存在，当 n 和 m 是八进制数字 (0-7) 时，\nm 匹配八进制转义码 nm。

\11 与制表符匹配。

\nml

当 n 是八进制数字 (0-3)，m 和 l 是八进制数字 (0-7) 时，匹配八进制转义码 nml。

\011 与制表符匹配。

\un

匹配 n，其中 n 是以四位十六进制数表示的 Unicode 字符。

\u00A9 与版权符号 (©) 匹配。

非打印字符

  • \f 换页符。 \x0c 和 \cL
  • \n 换行符。 \x0a 和 \cJ
  • \r 回车符。 \x0d 和 \cM
  • \s 任何空白字符。 其中包括空格、制表符和换页符。 [ \f\n\r\t\v ]
  • \S 任何非空白字符。 [^ \f\n\r\t\v]
  • \t Tab 字符。 \x09 和 \cI
  • \v 垂直制表符。 \x0b 和 \cK
  1. sscanf的高级用法
  2. C语言函数sscanf()的用法
  3. scanf的正则表达式总结
  4. scanf、sscanf中的正则表达式