使用 C 中的 regex.h 计算匹配数

我正在使用 POSIX 正则表达式regex.h用 C 语言计算英语文本片段中短语出现的次数。 但返回值是regexec(...)只告诉是否找到匹配项。所以我尝试使用nmatch and matchptr找到不同的外观，但是当我打印出匹配项时matchptr，我刚刚收到文本中出现的第一个短语的第一个索引。

这是我的代码：

#include <sys/types.h>
#include <regex.h>
#include <stdio.h>

#define MAX_MATCHES 20 //The maximum number of matches allowed in a single string

void match(regex_t *pexp, char *sz) {
    regmatch_t matches[MAX_MATCHES];
    if (regexec(pexp, sz, MAX_MATCHES, matches, 0) == 0) {
    for(int i = 0; i < MAX_MATCHES; i++)
        printf("\"%s\" matches characters %d - %d\n", sz, matches[i].rm_so, matches[i].rm_eo);
    } 
    else {
        printf("\"%s\" does not match\n", sz);
    }
}

int main(int argc, char* argv[]) {
    int rv;
    regex_t exp;
    rv = regcomp(&exp, "(the)", REG_EXTENDED | REG_ICASE);
    if (rv != 0) {
        printf("regcomp failed\n");
    }
    match(&exp, "the cat is in the bathroom.");
    regfree(&exp);
    return 0;
}

如何使此代码报告正则表达式的两个不同匹配项(the)在字符串中the cat is in the bathroom?

你已经明白了的意思pmatch错误地。它不用于获取重复的模式匹配。它用于获取一场比赛的位置及其可能的子组。作为 Linux 手册regcomp(3) says:

子表达式的偏移量从i次打开 括号存储在pmatch[i]。整个正则表达式的匹配地址存储在pmatch[0]。 （请注意，要返回 N 个子表达式匹配的偏移量，nmatch必须至少N+1.) 任何未使用的结构元素都将包含该值-1.

如果你有正则表达式this (\w+) costs (\d+) USD，括号内有2个捕获组(\w+) and (\d+);现在如果nmatch被设置为至少 3，pmatch[0]将包含整场比赛的开始和结束索引，pmatch[1]的开始和结束(\w+)组和pmatch[2]为了(\d+) group.

以下代码应打印连续匹配的范围（如果有）（每个范围的开头是第一个字符在匹配范围内，范围的结尾是第一个字符比赛结束后，匹配rm_so, rm_eo用法）;或字符串"<the input string>" does not contain a match如果图案never火柴。

它经过精心构造，因此也适用于零长度正则表达式（空正则表达式，或者说正则表达式#?将在每个字符位置匹配，包括最后一个字符之后；将报告该正则表达式的 28 个匹配项以供输入the cat is in the bathroom.)

#include <sys/types.h>
#include <regex.h>
#include <stdio.h>
#include <string.h>


void match(regex_t *pexp, char *sz) {
    // we just need the whole string match in this example    
    regmatch_t whole_match;

    // we store the eflags in a variable, so that we can make
    // ^ match the first time, but not for subsequent regexecs
    int eflags = 0;
    int match = 0;
    size_t offset = 0;
    size_t length = strlen(sz);

    while (regexec(pexp, sz + offset, 1, &whole_match, eflags) == 0) {
        // do not let ^ match again.
        eflags = REG_NOTBOL;
        match = 1;
        printf("range %zd - %zd matches\n",
               offset + whole_match.rm_so,
               offset + whole_match.rm_eo);

        // increase the starting offset
        offset += whole_match.rm_eo;

        // a match can be a zero-length match, we must not fail
        // to advance the pointer, or we'd have an infinite loop!
        if (whole_match.rm_so == whole_match.rm_eo) {
            offset += 1;
        }

        // break the loop if we've consumed all characters. Note
        // that we run once for terminating null, to let
        // a zero-length match occur at the end of the string.
        if (offset > length) {
            break;
        }
    }
    if (! match) {
        printf("\"%s\" does not contain a match\n", sz);
    }
}


int main(int argc, char* argv[]) {
    int rv;
    regex_t exp;
    rv = regcomp(&exp, "(the)", REG_EXTENDED | REG_ICASE);
    if (rv != 0) {
        printf("regcomp failed\n");
    }
    match(&exp, "the cat is in the bathroom.");
    regfree(&exp);
    return 0;
}

P.S.，正则表达式中的括号(the)在这种情况下是不必要的；你可以写the（你最初对在同一位置获得两场比赛的困惑是因为你会获得一场比赛(the)和一个子匹配the，如果你没有这些括号，你的代码只会打印第一个匹配的位置一次）。