一、POSIX 正则库入门：从 说起

正则表达式，说白了就是一种模式匹配的语言。你给它一个字符串，它告诉你「这个字符串长啥样」。我刚开始接触 C 语言的正则时，第一反应是：标准库居然不直接支持？后来才发现，POSIX 标准早就把这事儿安排好了。

嗯，今天我们就来聊聊 POSIX 正则库。这套接口定义在 头文件里，是 Linux 和 Unix 系统下的标配。Windows 下用 MinGW 或 Cygwin 也能用，但说实话，我在 Windows 上踩过坑，后面会提到。

1.1 头文件：你需要的都在这里

打开 ，你会发现里面主要定义了三个东西：

• regex_t：编译后的正则表达式结构体。你可以把它理解成一个「编译好的模式」。
• regmatch_t：匹配结果结构体。它记录了匹配到的子串在源字符串中的起始和结束位置。
• 四个核心函数：regcomp、regexec、regfree、regerror。

我个人习惯在写代码前先看一眼这些结构体的定义。比如 regex_t 里有个 re_nsub 字段，记录着正则表达式里有多少个捕获组。这个字段我在调试时经常用到。

1.2 regcomp：编译正则表达式

写正则的第一步，是把字符串形式的模式「编译」成 regex_t 结构体。regcomp 就是干这个的。

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

int main() {
    regex_t regex;
    const char *pattern = "^[a-zA-Z0-9]+@[a-zA-Z0-9]+\\.[a-zA-Z]{2,}$";
    int ret;

    ret = regcomp(&regex, pattern, REG_EXTENDED | REG_ICASE);
    if (ret != 0) {
        printf("编译失败\n");
        return 1;
    }

    printf("编译成功！\n");
    regfree(&regex);
    return 0;
}

这里要注意几个点：

• 第三个参数是标志位：REG_EXTENDED 表示使用扩展正则语法，REG_ICASE 表示忽略大小写。你可以用 | 组合多个标志。
• 返回值：成功返回 0，失败返回非 0。别指望它返回正数表示成功——我见过有人写反了，调试了半天。
• 转义问题：C 字符串里，反斜杠本身需要转义。比如 \d 要写成 \\d。这个坑我踩过不止一次。

1.3 regexec：匹配正则表达式

编译好了，就该上场了。regexec 负责在目标字符串里查找匹配。

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

int main() {
    regex_t regex;
    const char *pattern = "hello";
    const char *text = "hello world";
    int ret;

    regcomp(&regex, pattern, REG_EXTENDED);

    ret = regexec(&regex, text, 0, NULL, 0);
    if (ret == 0) {
        printf("匹配成功！\n");
    } else if (ret == REG_NOMATCH) {
        printf("没有匹配\n");
    } else {
        printf("匹配出错\n");
    }

    regfree(&regex);
    return 0;
}

参数说明：

• 第二个参数：目标字符串，必须是 null 结尾的 C 字符串。
• 第三、四个参数：regmatch_t 数组和它的长度。如果你只关心是否匹配，传 0 和 NULL 就行。
• 第五个参数：标志位，一般传 0。REG_NOTBOL 和 REG_NOTEOL 可以改变行首行尾的行为。

为什么会返回 REG_NOMATCH？说白了就是没找到。但如果你传了错误的 regex_t（比如没编译就拿来用），行为是未定义的。嗯，这里要注意：永远先编译，再匹配。

1.4 regfree：释放正则表达式

有借有还，再借不难。regcomp 内部会动态分配内存，用完必须释放。

regfree(&regex);

就这么一行。但很多人会忘记。我曾经在一个循环里反复编译正则而不释放，结果内存泄漏到程序崩溃。从那以后，我养成了「编译后立即配对 regfree」的习惯。

1.5 regerror：错误处理

regcomp 和 regexec 返回错误码时，你肯定想知道具体出了什么问题。regerror 就是干这个的。

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

int main() {
    regex_t regex;
    const char *pattern = "[a-z";  // 故意写错
    int ret;
    char errbuf[256];

    ret = regcomp(&regex, pattern, REG_EXTENDED);
    if (ret != 0) {
        regerror(ret, &regex, errbuf, sizeof(errbuf));
        printf("错误信息：%s\n", errbuf);
        return 1;
    }

    regfree(&regex);
    return 0;
}

参数说明：

• 第一个参数：错误码，就是 regcomp 或 regexec 的返回值。
• 第二个参数：对应的 regex_t 指针。如果错误发生在编译前，可以传 NULL。
• 第三、四个参数：输出缓冲区和大小。

我个人习惯把错误信息打印到 stderr，方便和正常输出分开。另外，errbuf 的大小建议至少 256 字节，有些错误信息挺长的。

1.6 知识体系总览

下面这张图帮你理清 POSIX 正则库的核心流程：

1.7 避坑指南

最后，分享几个我踩过的坑：

• 忘记释放：regcomp 分配的内存不会自动回收。程序退出时系统会回收，但长期运行的服务会泄漏。我曾经有一个后台服务跑了三天，内存从 10MB 涨到 2GB，最后发现是循环里忘了 regfree。
• 线程安全：regex_t 不是线程安全的。如果你在多线程环境里用同一个 regex_t 匹配，记得加锁，或者每个线程独立编译一份。
• 正则语法差异：POSIX 正则和 Perl 正则不一样。比如 \d 在 POSIX 里不支持，你得用 [[:digit:]]。这个坑我帮同事排查过，他死活想不通为什么 \d 匹配不到数字。
• 缓冲区溢出：regmatch_t 里的 rm_so 和 rm_eo 是下标，不是长度。计算子串长度时用 rm_eo - rm_so，别直接用 rm_eo。

好了，POSIX 正则库的入门就聊到这里。四个函数，一个结构体，记住流程：编译 → 匹配 → 释放。出错时用 regerror 查原因。就这么简单。

---