c - C 中的正则表达式来限制扩展的 ASCII 字符集

Question

我需要 C 中的正则表达式能够匹配所有内容，但长度大于 0 的扩展 ASCII 中的前 32 个字符除外。我认为最简单的方法是类似模式"^[^\\x00-\\x20]+$"，但它没有按我预期的那样工作。出于某种原因，它不会匹配从 48 到 92 的任何字符。任何想法这种模式有什么问题，我该如何解决？

链接到扩展 ASCII 字符集表

标签： cregexposixextended-ascii

Answer 1

Posix 正则表达式库（即 中的函数regex.h，包括regcomp和regexec）不解释标准 C 反斜杠序列。它真的不需要，因为当你编译字符串文字时，C 会做这些扩展。（如果您接受来自用户输入的正则表达式，这是您必须考虑的事情。）\在正则表达式中的唯一用途是转义特殊字符（在REG_EXTENDED模式中），或使字符特殊（在基本正则表达式模式中，这应该避免。）

所以如果你想从\x01to中排除字符\x20，你会写：

 "^[^\x01-\x20]+$"

请注意，您必须提供REG_EXTENDED标志才能regcomp使其正常工作。

您可能会注意到，这并不排除 NUL ( \x00)。无法将 NUL 插入到正则表达式模式中，因为 NUL 不是 C 字符串中的有效字符；它将终止字符串。出于同样的原因，尝试从 C 字符串中排除 NUL 字符是没有意义的，因为不可能有任何字符。但是，如果它让您感觉更好，您可以使用：

"^[\x21-\xFF]+$"

从语义上讲，这两个正则表达式模式是相同的（至少，在默认的“C”语言环境中并且假设char是 8 位）。

您编写的字符类[^\\x00-\\x20], 包含除字符x和从0(48) 到\(92) 的范围之外的所有内容。（该范围与明确命名的字符和重叠0，其中一些字符重复了两次。）2\