「模式匹配」和提取在C

Question

我需要解析很多文件名（最多250000我猜），包括路徑，並從中提取一些部分。

下面是一個例子：

原文：/my/complete/path/to/80/01/a9/1d.pdf

需要：8001a91d

的 「模式」 我正在尋找將始終以 「/ 8」 開頭。我需要提取的部分組成一個8位十六進制數字的字符串。

我的想法是以下（simplyfied演示）：

/* original argument */ 
char *path = "/my/complete/path/to/80/01/a9/1d.pdf"; 

/* pointer to substring */ 
char *begin = NULL; 

/* final char array to be build */ 
char *hex = (char*)malloc(9); 

/* find "pattern" */ 
begin = strstr(path, "/8"); 
if(begin == NULL) 
    return 1; 

/* jump to first needed character */ 
begin++; 

/* copy the needed characters to target char array */ 
strncpy(hex, begin, 2); 
strncpy(hex+2, begin+3, 2); 
strncpy(hex+4, begin+6, 2); 
strncpy(hex+6, begin+9, 2); 
strncpy(hex+8, "\0", 1);  

/* print final char array */ 
printf("%s\n", hex); 

這工作。我只是覺得它不是最聰明的方式。而且可能有些陷阱我看不到自己。

那麼，有人有建議這種指針移位方式會有什麼危險嗎？你認爲什麼會有所改進？

C是否提供了這樣的功能，如s|/(8.)/(..)/(..)/(..)\.|\1\2\3\4|？如果我沒有記錯，一些腳本語言有這樣的功能;如果你明白我的意思。

Answer 1

C本身不提供這個，但你可以使用POSIX正則表達式。它是一個全功能的正則表達式庫。但是對於一個和你一樣簡單的模式，這可能是最好的方法。

順便說一句，更喜歡memcpy到strncpy。很少有人知道什麼strncpy是有益的。我不是其中之一。

Answer 2

在簡單的匹配/8./../../..的情況下，我自己親自去0123'解決方案（不需要外部依賴項）。如果規則變得更多，你可以嘗試一個詞法分析器（flex和朋友），它們支持正則表達式。

在你的情況是這樣的：

h2   [0-9A-Fa-f]{2} 
mymatch  (/{h2}){4} 

可以工作。儘管詞法分析器通常會返回令牌標識符，但您必須將緩衝區設置爲匹配副作用。

無論如何，您將獲得沒有依賴關係的regexps的威力，但代價是生成的（讀取：不可讀的）代碼。

Answer 3

/* original argument */ 
char *path = "/my/complete/path/to/80/01/a9/1d.pdf"; 
char *begin; 
char hex[9]; 
size_t len; 

/* find "pattern" */ 
begin = strstr(path, "/8"); 
if (!begin) return 1; 

// sanity check 
len = strlen(begin); 
if (len < 12) return 2; 

    // more sanity 
if (begin[3] != '/' || begin[6] != '/' || begin[9] != '/') return 3; 

memcpy(hex, begin+1, 2); 
memcpy(hex+2, begin+4, 2); 
memcpy(hex+4, begin+7, 2); 
memcpy(hex+6, begin+10, 2); 
     hex[8] = 0;  

    // For additional sanity, you could check for valid hex characters here 
/* print final char array */ 
printf("%s\n", hex);