PCRE

PCRE (Perl Compatible Regular Expressions) — бібліотека, що реалізує роботу регулярних виразів у стилі Perl (з деякими відмінностями). Синтаксис регулярних виразів PCRE значно потужніший і гнучкіший, ніж стандартних регулярних виразів POSIX.

PCRE
Тип Бібліотека регулярних виразів
Розробник Philip Hazeld
Стабільний випуск 8.41 (2017-07-05)
Версії 8.44 (12 лютого 2020)[1] і 10.39 (29 жовтня 2021)[2]
Репозиторій https://github.com/PhilipHazel/pcre2, svn://vcs.pcre.org/pcre/code
Операційна система кросплатформна
Мова програмування C
Ліцензія BSD
Вебсайт pcre.org

У тому чи іншому вигляді доступна для дуже багатьох мов програмування. Зокрема, в PHP модуль PCRE включений в ядро.

Автор бібліотеки Філіп Хейзел (Philip Hazel). Бібліотека написана на Сі й розповсюджується під вільною ліцензією BSD.

Функції бібліотеки

Базові функції

pcre *pcre_compile(const char *pattern, int options,
          const char **errptr, int *erroffset, 
          const unsigned char *tableptr);

Функція pcre_compile компілює регулярний вираз у внутрішнє представлення бібліотеки. Перший аргумент — посилання на рядок, що містить регулярний вираз. У другому можна вказати різні атрибути (які відповідають опціям /igms… в Perl). Останній аргумент — посилання на таблицю кодування, створену pcre_maketables. Якщо під час компіляції шаблону сталася помилка, повертає NULL.

int pcre_exec(const pcre *code, const pcre_extra *extra, 
          const char *subject, int length, int startoffset, int options, 
          int *ovector, int ovecsize);

Функцію pcre_exec використовують для пошуку збігів. У першому аргументі передають значення, повернене pcre_compile. У другому — додаткові відомості, повернуті функцією pcre_study. Наступні три аргументи — аналізований рядок, його довжина та зміщення, починаючи з якого буде оброблятися рядок. Потім — параметр, який вказує опції (їхній докладний опис див. у документації).

В останніх двох аргументах потрібно вказати посилання на зарезервований масив цілих чисел і його довжину. У цей масив заносяться пари індексів, що вказують на початок і кінець збігів. Перші два елементи масиву описують положення всього виразу, що збігся. Інші пари — положення підрядків, які збіглися з виразами в круглих дужках у шаблоні (аналоги змінних виду $1 у Perl).

pcre_extra *pcre_study(const pcre *code, int options, const char **errptr);

Функція прискорює роботу програми, що виконує множину співставлень з одним і тим самим шаблоном. Створює змінну, яка зберігає додаткові відомості про шаблон, які прискорюють його обробку функцією pcre_exec

const unsigned char *pcre_maketables(void);

Створює таблицю символів для використання її функцією pcre_compile

Добування підрядків

int pcre_copy_substring(const char *subject, int *ovector, int stringcount, 
        int stringnumber, char *buffer, int buffersize);
int pcre_get_substring(const char *subject, int *ovector,
        int stringcount, int stringnumber, const char **stringptr);

Отримує з рядка один із знайдених підрядків. Для цього вказується номер знайденого підрядка. Ці функції відрізняються одна від одної тим, що pcre_copy_substring записує результат у буфер, якому вже виділена пам'ять, а pcre_get_substring виділяє пам'ять для буфера й записує в нього результат.

Перші чотири параметри в зазначених функціях однакові: перший — рядок, в якому проводився пошук, другий — масив, створений функцією pcre_exec, третій — значення, повернуте функцією pcre_exec, тобто кількість знайдених підрядків, четвертий — номер потрібного підрядка.

Функції повертають довжину підрядка в разі успіху, в іншому випадку — від'ємне значення — код помилки

int pcre_get_substring_list(const char *subject, int *ovector,
        int stringcount, const char ***listptr);

Отримує з рядка всі знайдені підрядки.

void pcre_free_substring(const char *stringptr);
void pcre_free_substring_list(const char **stringptr);

Звільняють пам'ять, виділену, відповідно, pcre_get_substring і pcre_get_substring_list.

POSIX-сумісні

У PCRE також реалізовані функції роботи з регулярними виразами, сумісні зі стандартом POSIX. Ці функції можна використовувати для обробки рядків у кодуванні, що відрізняється від базової ASCII:

int regcomp(regex_t *preg, const char *pattern, int cflags);
int regexec(regex_t *preg, const char *string, size_t nmatch, regmatch_t pmatch[], int eflags);
size_t regerror(int errcode, const regex_t *preg, char *errbuf, size_t errbuf_size);
void regfree(regex_t *preg);

Функція regerror перетворює код помилки, що повертається функціями regcomp і regexec, у повідомлення про помилку. Перший параметр — код помилки. Другий — скомпільований шаблон. Третій — рядок, в який буде записано повідомлення. Четвертий — його довжина.

Функція regfree звільняє змінну, що зберігає скомпільований шаблон, яка передається як параметр. Застосовується, коли потрібно використовувати одну й ту саму змінну для кількох операцій пошуку.

Компіляція Just-in-time

Ця опціональна можливість доступна у версії 8.20 і вище, якщо вона була дозволена при складанні бібліотеки PCRE. Найбільший приріст продуктивності можливий, наприклад, коли викликаюча програма повторно використовує раніше відтрансльовані регулярні вирази. Підтримка JIT була написана Золтаном Херцегом (Zoltan Herczeg)[3] і не призначена для інтерфейсів POSIX та C++. Вбудований транслятор працює на таких архітектурах:[3]

  • ARM v5, v7 і Thumb2
  • Intel x86 32-біти й 64-біти
  • MIPS 32-біти
  • Power PC 32-біти й 64-біти
  • SPARC 32-біти (експериментально)
  • TileGX (експериментально, починаючи з 8.34)[4]

Приклад використання

Це приклад найпростішої програми на С++. Регулярний вираз і рядок задані у вихідному тексті (Компілювати з ключем -lpcre).

# include <iostream>
# include <string.h>
# include <pcre.h>

using namespace std;

int main() {

   char pattern[] = "[es]"; // шаблон (регулярний вираз)
   char str[] = "test";  // рядок, що розбирається

   // створення таблиці перекодування для локалі uk
   const unsigned char *tables = NULL;         
   setlocale (LC_CTYPE, (const char *) "uk.");
   tables = pcre_maketables();

   // компілювання регулярного виразу у внутрішнє представлення
   pcre *re;
   int options = 0;
   const char *error;
   int erroffset;
   re = pcre_compile ((char *) pattern, options, &error, &erroffset, NULL);

   if (!re) { // у разі помилки компіляції
      cerr << "Failed at offset " << erroffset << ":" << error << "\n";
   } else {
      int count = 0;
      int ovector[30];

      count = pcre_exec (re, NULL, (char *) str, strlen(str), 0, 0, ovector, 30);
      // співставлення із взірцем
      if (!count) { // якщо немає збігів
         cout << "No match\n";
      } else {
         //виведення пар {початок, кінець} збігу
         for (int c = 0; c < 2 * count; c += 2) {
            if (ovector[c] < 0) { // або <unset> для підвиразів, що не збіглися
               cout << "<unset>\n";
            } else{
               cout << ovector[c] << ovector[c + 1] << "\n";
            }
         }
      }
   }
   
   // звільняємо дані, під які виділялася пам'ять
   pcre_free((void *) re);
   pcre_free((void *) tables);
   return 0;
}

Примітки

  1. https://lists.exim.org/lurker/message/20200212.174850.6edd8277.en.html
  2. Release pcre2-10.39
  3. PCRE(3) Library Functions Manual (англ.).
  4. Jiong Wang (Tilera Corporation) (14 жовтня 2013). Add JIT support for the 64 bit TileGX architecture. (англ.). Архів оригіналу за 29 жовтня 2013. Процитовано 3 грудня 2017. — Патч, що додає JIT транслятор для архітектури TileGX у бібліотеку PCRE (понад 12000 рядків)

Посилання

This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.