sscanf与正则表达式

 原文链接

今天翻google reader的时候看到这样一篇文章，介绍的是sscanf的高级用法。直到今天我才知道sscanf是可以直接用正则表达式的，惭愧。

在msdn中sscanf的声明如下

int sscanf( const char *buffer, const char *format [, argument ] ... );

双字节版本的是这样的

int swscanf( const wchar_t *buffer, const wchar_t *format [, argument ] ... );

第一个参数是源字符串，这没什么好讲。第三个及以后的参数是可变参数列表，用于接收解析出来之后的值，可变参数列表不是本文的重点，暂且不提。最有玄机的是第二个参数，也就是所谓的format。我们知道prinft,sprintf,scanf,sscanf这四个函数（以及相应的双字节版本）都接收一个名为format的字符串作为参数，以便对输入输出做格式化，比如

sscanf(“12”, "%d", &in)

可以把字符串"12"（念做一二）格式化成10进制数12（念做十二），并赋值给in，而

sscanf(“12”, "%s", str)

可以把字符串"12"格式化成字符串12，并拷贝到str指向的内存区域。如此种种。如果你仔细看过c语言手册，那么你一定对次非常熟悉，并喜欢在中间夹杂点啊三啊啥的组成诸如%.4ld之类的format赢取初学者（或者老板）的赞扬。但是你可真不一定了解，format里是可以直接用正则表达式的，比如

sscanf("123334abcd123", "%[0-9]*", str);

执行完后str的内容是字符串"123334"。[0-9]*是一个非常简单的正则表达式，意思是匹配数字任意次。关于正则表达式的更多内容请参看这个。

我们在写程序时经常会碰到需要解析字符串的情况，而正则表达式则是解决此类问题的利器。如果我们能善用c标准库函数就能使用的正则表达式，一定可以做到事半而功倍。

------------

附正则表达式完整列表

字元	描述
\	將下一個字元標記為一個特殊字元、或一個原義字元、或一個向後引用、或一個八進位轉義符。例如，「n」匹配字元「n」。「\n」匹配一個換行符。序列「\\」匹配「\」而「\(」則匹配「(」。
^	匹配輸入字元串的開始位置。如果設置了RegExp對象的Multiline屬性，^也匹配「\n」或「\r」之後的位置。
$	匹配輸入字元串的結束位置。如果設置了RegExp對象的Multiline屬性，$也匹配「\n」或「\r」之前的位置。
*	匹配前面的子表達式零次或多次。例如，zo*能匹配「z」以及「zoo」。*等價于{0,}。
+	匹配前面的子表達式一次或多次。例如，「zo+」能匹配「zo」以及「zoo」，但不能匹配「z」。+等價于{1,}。
?	匹配前面的子表達式零次或一次。例如，「do(es)?」可以匹配「do」或「does」中的「do」。?等價于{0,1}。
{n}	n是一個非負整數。匹配確定的n次。例如，「o{2}」不能匹配「Bob」中的「o」，但是能匹配「food」中的兩個o。
{n,}	n是一個非負整數。至少匹配n次。例如，「o{2,}」不能匹配「Bob」中的「o」，但能匹配「foooood」中的所有o。「o{1,}」等價于「o+」。「o{0,}」則等價于「o*」。
{n,m}	m和n均為非負整數，其中n<=m。最少匹配n次且最多匹配m次。例如，「o{1,3}」將匹配「fooooood」中的前三個o。「o{0,1}」等價于「o?」。請注意在逗號和兩個數之間不能有空格。
?	當該字元緊跟在任何一個其他限制符(*,+,?,{n},{n,},{n,m})後面時，匹配模式是非貪婪的。非貪婪模式盡可能少的匹配所搜索的字元串，而默認的貪婪模式則盡可能多的匹配所搜索的字元串。例如，對於字元串「oooo」，「o+?」將匹配單個「o」，而「o+」將匹配所有「o」。
.	匹配除「\n」之外的任何單個字元。要匹配包括「\n」在內的任何字元，請使用像「[.\n]」的模式。
(pattern)	匹配pattern並獲取這一匹配。所獲取的匹配可以從產生的Matches集合得到，在VBScript中使用SubMatches集合，在JScript中則使用$0…$9屬性。要匹配圓括號字元，請使用「\(」或「\)」。
(?:pattern)	匹配pattern但不獲取匹配結果，也就是說這是一個非獲取匹配，不進行存儲供以後使用。這在使用「或」字元(|)來組合一個模式的各個部分是很有用。例如，「industr(?:y|ies)就是一個比」industry|industries'更簡略的表達式。
(?=pattern)	正向預查，在任何匹配pattern的字元串開始處匹配查找字元串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。例如， 「Windows(?=95|98|NT|2000)」能匹配「Windows2000」中的「Windows」，但不能匹配「Windows3.1」中 的「Windows」。預查不消耗字元，也就是說，在一個匹配發生後，在最後一次匹配之後立即開始下一次匹配的搜索，而不是從包含預查的字元之後開始。
(?!pattern)	負向預查，在任何不匹配pattern的字元串開始處匹配查找字元串。這是一個非獲取匹配，也就是說，該匹配不需要獲取供以後使用。例如 「Windows(?!95|98|NT|2000)」能匹配「Windows3.1」中的「Windows」，但不能匹配「Windows2000」中 的「Windows」。預查不消耗字元，也就是說，在一個匹配發生後，在最後一次匹配之後立即開始下一次匹配的搜索，而不是從包含預查的字元之後開始
x|y	匹配x或y。例如，「z|food」能匹配「z」或「food」。「(z|f)ood」則匹配「zood」或「food」。
[xyz]	字符集合。匹配所包含的任意一個字元。例如，「[abc]」可以匹配「plain」中的「a」。
[^xyz]	負值字符集合。匹配未包含的任意字元。例如，「[^abc]」可以匹配「plain」中的「p」。
[a-z]	字元範圍。匹配指定範圍內的任意字元。例如，「[a-z]」可以匹配「a」到「z」範圍內的任意小寫字母字元。
[^a-z]	負值字元範圍。匹配任何不在指定範圍內的任意字元。例如，「[^a-z]」可以匹配任何不在「a」到「z」範圍內的任意字元。
\b	匹配一個單詞邊界，也就是指單詞和空格間的位置。例如，「er\b」可以匹配「never」中的「er」，但不能匹配「verb」中的「er」。
\B	匹配非單詞邊界。「er\B」能匹配「verb」中的「er」，但不能匹配「never」中的「er」。
\cx	匹配由x指明的控制字元。例如，\cM匹配一個Control-M或回車符。x的值必須為A-Z或a-z之一。否則，將c視為一個原義的「c」字元。
\d	匹配一個數字字元。等價于[0-9]。
\D	匹配一個非數字字元。等價于[^0-9]。
\f	匹配一個換頁符。等價于\x0c和\cL。
\n	匹配一個換行符。等價于\x0a和\cJ。
\r	匹配一個回車符。等價于\x0d和\cM。
\s	匹配任何空白字元，包括空格、製表符、換頁符等等。等價于[\f\n\r\t\v]。
\S	匹配任何非空白字元。等價于[^\f\n\r\t\v]。
\t	匹配一個製表符。等價于\x09和\cI。
\v	匹配一個垂直製表符。等價于\x0b和\cK。
\w	匹配包括下劃線的任何單詞字元。等價于「[A-Za-z0-9_]」。
\W	匹配任何非單詞字元。等價于「[^A-Za-z0-9_]」。
\xn	匹配n，其中n為十六進位轉義值。十六進位轉義值必須為確定的兩個數字長。例如，「\x41」匹配「A」。「\x041」則等價于「\x04」&「1」。正則表達式中可以使用ASCII編碼。.
\num	匹配num，其中num是一個正整數。對所獲取的匹配的引用。例如，「(.)\1」匹配兩個連續的相同字元。
\n	標識一個八進位轉義值或一個向後引用。如果\n之前至少n個獲取的子表達式，則n為向後引用。否則，如果n為八進位數字(0-7)，則n為一個八進位轉義值。
\nm	標識一個八進位轉義值或一個向後引用。如果\nm之前至少有nm個獲得子表達式，則nm為向後引用。如果\nm之前至少有n個獲取，則n為一個後跟文字m的向後引用。如果前面的條件都不滿足，若n和m均為八進位數字(0-7)，則\nm將匹配八進位轉義值nm。
\nml	如果n為八進位數字(0-3)，且m和l均為八進位數字(0-7)，則匹配八進位轉義值nml。
\un	匹配n，其中n是一個用四個十六進位數字表示的Unicode字元。例如，\u00A9匹配版權符號（©）。