さらに番外編からの・・・Cで正規表現

前回、前々回と、VBAとC#で書いてみた正規表現の扱い方でしたが、せっかくだからCで書いたらどうなるか、書いてみました。Qiitaのこの記事と美味しいもの様の記事を参考にさせていただきました。

C#では、正規表現オブジェクトのコンストラクターが正規表現パターンのコンパイルをしてしまうのですが、Cにはそのような概念がないので、プログラマが明示的にコンパイル指示をしなければいけませんね。

/*
  *  Cで正規表現を使う
  */

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

/*
  * 与えられた文字列のstart文字目からend文字目までをfpで与えられたファイルポインターに出力
  */
 void outputstring( fp, string, start, end )
 FILE *fp;
 char *string;
 int start, end;
 {
     int i;

     for( i=start; i<end; ++i )
     {
         fputc( string[i], fp );
     }

 }

 int main( argc, argv )
 int argc;
 char *argv[];
  {
     char checkString[] = "000aaa111bbb";
     const char regex[] = "(^.)(..)..(.+$)";
     regex_t regexBuffer;
     regmatch_t patternMatch[4];
     int size = sizeof(patternMatch)/sizeof(regmatch_t);
     int i;

    if( regcomp( &regexBuffer, regex, REG_EXTENDED | REG_NEWLINE) != 0 ) {
        fprintf( stderr, "regex compile failed¥n" );
        return 0xffffffff;
    }

    if( regexec( &regexBuffer, checkString, size, patternMatch,0) != 0 )
    {
        fprintf( stderr, "No match!!¥n");
        return 0xffffffff;
    }

    for( i=0; i<size; ++i) {
        int startIndex = patternMatch[i].rm_so;
        int endIndex = patternMatch[i].rm_eo;
        if( startIndex == -1 || endIndex == -1 ) {
            fprintf(stderr, "exit¥n");
            continue;
        }
        outputstring( stdout, checkString, startIndex, endIndex);
        fprintf( stdout, "\n");
    }
    
    regfree( &regexBuffer);
    return 0;
 }

これを実行すると、以下のような出力を出します。

000aaa111bbb
0
00
a111bbb

なお、マッチした文字列を取得するのにpatternMatch[i].rm_soとpatternMatch[i].rm_eoという変数を使用しています。これはちょっと使い方に注意が必要で、patternMatch[i].rm_soはマッチした文字列の先頭を示しますが、patternMatch[i].rm_eoは、マッチした文字列の次の文字を示します。

上のプログラムでは、patternMatch[i]_rm_soをstartIndex、patternMatch[i].rm_eoをendIndexという変数に入れて使っていますが、これを使ってマッチした文字列を表すためには、文字列checkStringにおいて、checkString[startIndex]からcheckString[endIndex-1]までの文字を参照する必要があります。