如何在C语言中使用正则表达式提取指定日期字符串

问题背景 #

作为C语言新手，需要学习ANSI C中正则表达式的使用，目标是从字符串"{d(02/01/2019)}-call Ms.ha check this case"中提取日期02/01/2019，但原代码的正则模式存在错误，无法正确匹配。

原代码的正则问题 #

原正则模式?[0-9]+(\/[0-9]+)+(\/[0-9]+)?存在以下问题：

• 开头的?是量词（匹配0或1次），不能直接作为正则的起始字符，属于语法错误
• 模式过于宽泛，没有精准匹配日期的两位数字/两位数字/四位数字格式，可能匹配到不符合预期的字符串
• 没有结合目标字符串的结构（日期包裹在{d(...)}中）来缩小匹配范围，容易出现误匹配

修正后的代码 #

下面是修复正则模式并完善错误检查的代码：

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

#define ARRAY_SIZE(arr) (sizeof((arr)) / sizeof((arr)[0]))

int main(int argc, char **argv)
{
    regex_t preg;
    int ret;

    char *string = "{d(02/01/2019)}-call Ms.ha check this case";
    // 精准匹配{d(...)中的日期，捕获组1提取目标日期
    char *pattern = "{d\\(([0-9]{2}\\/[0-9]{2}\\/[0-9]{4})\\)}";
    size_t nmatch = 2; // 0是整个匹配，1是捕获组
    regmatch_t pmatch[2];

    // 编译正则表达式，检查编译错误
    ret = regcomp(&preg, pattern, REG_EXTENDED);
    if (ret != 0) {
        char errbuf[100];
        regerror(ret, &preg, errbuf, sizeof(errbuf));
        fprintf(stderr, "正则编译失败: %s\n", errbuf);
        return EXIT_FAILURE;
    }

    // 执行匹配，检查匹配结果
    ret = regexec(&preg, string, nmatch, pmatch, 0);
    if (ret == 0) {
        printf("找到匹配的日期:\"%.*s\"，位置从%d到%d\n",
               pmatch[1].rm_eo - pmatch[1].rm_so, &string[pmatch[1].rm_so],
               pmatch[1].rm_so, pmatch[1].rm_eo - 1);
    } else if (ret == REG_NOMATCH) {
        fprintf(stderr, "未找到匹配的日期\n");
    } else {
        char errbuf[100];
        regerror(ret, &preg, errbuf, sizeof(errbuf));
        fprintf(stderr, "匹配出错: %s\n", errbuf);
    }

    regfree(&preg);
    return EXIT_SUCCESS;
}

关键说明 #

• 正则模式解释：{d\\(([0-9]{2}\\/[0-9]{2}\\/[0-9]{4})\\)}
  • {d\\(：匹配字符串中的{d(，注意(在正则中是特殊字符，需要用\\转义
  • ([0-9]{2}\\/[0-9]{2}\\/[0-9]{4})：捕获组，匹配两位数字/两位数字/四位数字的日期格式，[0-9]{2}表示恰好两位数字，\\/转义匹配/
  • \\)}：匹配结尾的)}，同样转义特殊字符)
• 错误检查：添加了regcomp和regexec的返回值检查，用regerror输出错误信息，这是调试正则问题的关键
• 捕获组使用：nmatch设置为2，对应整个匹配（索引0）和捕获的日期（索引1），确保能正确提取目标内容

ANSI C正则使用最佳实践 #

• 总是检查返回值：regcomp和regexec的返回值能直接反映编译或匹配是否成功，避免静默失败
• 精准匹配模式：根据目标字符串的结构设计正则，避免过度宽泛的模式（比如原代码的[0-9]+），减少误匹配
• 正确转义特殊字符：在REG_EXTENDED模式下，(, ), {, }, /等都是特殊字符，需要用\\转义
• 合理设置捕获组：明确需要提取的内容，设置对应的捕获组数量，regmatch_t数组大小要足够
• 释放资源：使用regfree释放编译后的正则表达式结构，避免内存泄漏

内容的提问来源于stack exchange，提问作者VietV