C 中的正则表达式限制扩展 ASCII 字符集

Question

我需要一个 C 中的正则表达式能够匹配除长度大于 0 的扩展 ASCII 的前 32 个字符之外的所有字符。我认为最简单的方法是像 "^[^\x00-\x20]+$" 这样的模式，但事实并非如此按我的预期工作。由于某种原因，它不会匹配 48 到 92 之间的任何字符。知道这个模式有什么问题吗？我该如何解决？

Link to Extended ASCII character set table

Answer 1

从未在 C 中使用正则表达式。接下来我会使用 unsigned char 来适应 EASCII

void match(const unsigned char *src, unsigned char *dst) {
    while (*src) {
        if (*src >= 32) {
            *dst++ = *src++;
        } else {
            src++;
        }
    }
    *dst = 0;
}

Answer 2

Posix 正则表达式库（即 regex.h 中的函数，包括 regcomp 和 regexec）不解释标准 C 反斜杠序列。它真的不需要，因为 C 会在您编译字符串文字时进行这些扩展。（如果您接受来自用户输入的正则表达式，则必须考虑这一点。）\ 在正则表达式中的唯一用途是转义特殊字符（在 REG_EXTENDED 模式下），或者使特殊字符（在基本正则表达式模式下，应避免使用。）

所以如果你想排除从\x01到\x20的字符，你会写：

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

请注意，您必须将 REG_EXTENDED 标志提供给 regcomp 才能正常工作。

您可能会注意到，这并不排除 NUL (\x00)。无法将 NUL 插入正则表达式模式，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]+$"

在语义上，这两个正则表达式模式是相同的（至少，在默认 "C" 语言环境中并假设 char 是 8 位）。

字符 class 如您所写，[^\x00-\x20] 包含除字符 x 以外的所有内容以及从 0 (48) 到 [=15= 的范围] (92). （该范围与字符 0、2 和 \ 重叠，这些字符被明确命名，其中一些被命名两次。）

C 中的正则表达式限制扩展 ASCII 字符集

Regex in C to restrict Extended ASCII character set

c

regex

posix

extended-ascii