43、正则表达式：C11标准中的regex.h。正则匹配与替换。

说实话，C语言的标准库在文本处理这块一直有点「寒酸」。早期版本里，你要做字符串匹配，基本就是自己手写状态机，或者去用POSIX的regcomp()/regexec()——但那不是标准C。直到C11标准，终于把regex.h纳入了标准库。嗯，虽然这个实现争议不小，但总算是有了官方说法。

我个人习惯是：能用标准库就用标准库，除非性能实在扛不住，或者平台不支持。C11的regex.h虽然功能不算特别强大，但应付日常的文本校验、日志提取、配置解析，完全够用。

43.1 regex.h 的核心函数

说白了，C11的正则接口就四个核心函数：

函数	作用
regcomp()	编译正则表达式（把字符串模式转成内部结构）
regexec()	执行匹配
regerror()	把错误码转成可读的字符串
regfree()	释放编译后的正则资源

你想想看，这跟很多脚本语言的正则API思路差不多——先编译，再执行，最后释放。只不过C里你得手动管理这些步骤。

43.2 基本匹配示例

来看一个最简单的例子：检查一个字符串是不是合法的邮箱格式（简化版）。

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

int main() {
    regex_t regex;
    int reti;
    const char *pattern = "^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\\.[a-zA-Z]{2,}$";
    const char *test_str = "user@example.com";

    // 编译正则
    reti = regcomp(&regex, pattern, REG_EXTENDED);
    if (reti) {
        printf("正则编译失败\n");
        return 1;
    }

    // 执行匹配
    reti = regexec(&regex, test_str, 0, NULL, 0);
    if (!reti) {
        printf("匹配成功: %s\n", test_str);
    } else if (reti == REG_NOMATCH) {
        printf("不匹配\n");
    } else {
        printf("匹配出错\n");
    }

    // 释放资源
    regfree(&regex);
    return 0;
}

这里要注意几个细节：

• REG_EXTENDED表示使用扩展正则语法（ERE），支持+、?、{}等元字符。如果不加这个标志，默认是基本正则（BRE），很多特性用不了。
• 正则字符串里的反斜杠要转义。比如\\.在C字符串里要写成"\\."。
• 匹配完一定要调用regfree()，否则内存泄漏。嗯，这个我刚开始学的时候忘过好几次。

43.3 捕获子串与分组

光匹配还不够，很多时候我们需要提取匹配到的内容。比如从日志里抓出IP地址和端口号。

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

int main() {
    regex_t regex;
    regmatch_t pmatch[3];  // 最多捕获3个分组
    const char *pattern = "([0-9]{1,3}\\.[0-9]{1,3}\\.[0-9]{1,3}\\.[0-9]{1,3}):([0-9]+)";
    const char *test_str = "连接来自 192.168.1.1:8080";

    regcomp(&regex, pattern, REG_EXTENDED);
    int reti = regexec(&regex, test_str, 3, pmatch, 0);

    if (!reti) {
        printf("完整匹配: ");
        for (int i = pmatch[0].rm_so; i < pmatch[0].rm_eo; i++)
            putchar(test_str[i]);
        printf("\n");

        printf("IP地址: ");
        for (int i = pmatch[1].rm_so; i < pmatch[1].rm_eo; i++)
            putchar(test_str[i]);
        printf("\n");

        printf("端口: ");
        for (int i = pmatch[2].rm_so; i < pmatch[2].rm_eo; i++)
            putchar(test_str[i]);
        printf("\n");
    }

    regfree(&regex);
    return 0;
}

regmatch_t结构体里只有两个字段：rm_so（起始偏移）和rm_eo（结束偏移）。注意，pmatch[0]永远对应整个匹配，pmatch[1]对应第一个括号分组，以此类推。

43.4 正则替换——自己动手

C11的regex.h没有提供现成的替换函数。不像Python的re.sub()那么方便。你需要自己实现替换逻辑。

基本思路是：循环匹配，每次找到匹配后，把匹配之前的部分和替换字符串拼接到结果中，然后继续从匹配结束位置往后找。

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

// 简单的正则替换函数
char* regex_replace(const char *str, const char *pattern, const char *replacement) {
    regex_t regex;
    regmatch_t pmatch[1];
    char *result = NULL;
    size_t result_len = 0;
    const char *cursor = str;

    regcomp(&regex, pattern, REG_EXTENDED);

    while (regexec(&regex, cursor, 1, pmatch, 0) == 0) {
        // 把匹配之前的部分复制到结果
        size_t prefix_len = pmatch[0].rm_so;
        result = realloc(result, result_len + prefix_len + strlen(replacement) + 1);
        strncpy(result + result_len, cursor, prefix_len);
        result_len += prefix_len;
        strcpy(result + result_len, replacement);
        result_len += strlen(replacement);

        // 移动游标到匹配结束位置
        cursor += pmatch[0].rm_eo;
    }

    // 复制剩余部分
    size_t tail_len = strlen(cursor);
    result = realloc(result, result_len + tail_len + 1);
    strcpy(result + result_len, cursor);
    result_len += tail_len;
    result[result_len] = '\0';

    regfree(&regex);
    return result;
}

int main() {
    char *result = regex_replace("hello 123 world 456", "[0-9]+", "NUM");
    printf("%s\n", result);  // 输出: hello NUM world NUM
    free(result);
    return 0;
}

43.5 知识体系总览

下面这张图把C11正则的核心流程和关键点串起来了。我建议你把它存下来，写代码时对照着看。

43.6 避坑指南与个人经验

最后，分享几个我踩过的坑：

• 关于REG_EXTENDED：我刚开始用的时候，没加这个标志，结果+和?都不生效，还以为是库的bug。后来查了文档才发现，默认是基本正则，很多元字符需要反斜杠转义才能用。比如\+才表示「一次或多次」。所以，除非你有特殊需求，否则一律用REG_EXTENDED。
• 关于线程安全：regex_t结构体不是线程安全的。如果你在多线程环境里用同一个编译好的正则，记得加锁，或者每个线程各自编译一份。我曾经在并发解析日志时，两个线程同时调用regexec()，结果匹配结果全乱了。
• 关于性能：如果你要匹配大量短字符串（比如每秒几万次），建议把regcomp()放在循环外面。编译正则的开销其实不小，尤其是模式复杂的时候。我见过有人把regcomp()写在循环里，结果性能直接掉了两个数量级。
• 关于替换中的反向引用：标准regex.h不支持替换时的$1、$&语法。如果你需要这个功能，要么自己解析替换字符串，要么换用PCRE库。我个人在项目里写过一个简单的替换引擎，支持$1到$9，代码量大概两百行，不算太复杂。

---