Compilación / coincidencia de expresiones regulares POSIX en C

Question

Estoy tratando de hacer coincidir los siguientes elementos en la cadena pcode :

• u seguido de un número de 1 o 2 dígitos
• phaseu
• phasep
• x (rodeado de caracteres que no son palabras)
• y (rodeado de caracteres que no son palabras)
• z (rodeado de caracteres que no son palabras)

He intentado implementar una coincidencia de expresiones regulares utilizando las funciones de expresiones regulares POSIX (que se muestran a continuación), pero tengo dos problemas:

1. El patrón compilado parece no tener subpatrones (es decir, compiled.n_sub == 0).
2. El patrón no encuentra coincidencias en la cadena " u0 " ;, que realmente debería!

Estoy seguro de que la cadena de expresiones regulares en sí está funcionando, ya que funciona en python y TextMate, mi problema radica en la compilación, etc. en C. Cualquier ayuda para que funcione sería muy apreciada.

Gracias de antemano por sus respuestas.

if(idata=tb_find(deftb,pdata)){
    MESSAGE("Global variable!\n");
    char pattern[80] = "((u[0-9]{1,2})|(phaseu)|(phasep)|[\\W]+([xyz])[\\W]+)";
    MESSAGE("Pattern = \"%s\"\n",pattern);
    regex_t compiled;
    if(regcomp(&compiled, pattern, 0) == 0){
        MESSAGE("Compiled regular expression \"%s\".\n", pattern);
    }

    int nsub = compiled.re_nsub;
    MESSAGE("nsub = %d.\n",nsub);
    regmatch_t matchptr[nsub];
    int err;
    if(err = regexec (&compiled, pcode, nsub, matchptr, 0)){
        if(err == REG_NOMATCH){
            MESSAGE("Regular expression did not match.\n");
        }else if(err == REG_ESPACE){
            MESSAGE("Ran out of memory.\n");
        }
    }
    regfree(&compiled);
}

Answer 1

Parece que tiene la intención de usar algo parecido al " extendido " POSIX sintaxis de expresiones regulares. POSIX define dos sintaxis de expresiones regulares diferentes, una '' básica '' (leer " obsoleto ") sintaxis y " extendido " sintaxis. Para usar la sintaxis extendida, debe agregar el indicador REG_EXTENDED para regcomp :

...
if(regcomp(&compiled, pattern, REG_EXTENDED) == 0){
...

Sin este indicador, regcomp usará el " básico " sintaxis de expresiones regulares. Hay algunas diferencias importantes, como:

• No hay soporte para el operador |
• Los corchetes para las subcoincidencias deben escaparse, \ ( y \)

También se debe tener en cuenta que la sintaxis de expresión regular extendida POSIX no es 1: 1 compatible con la expresión regular de Python (no sé acerca de TextMate). En particular, me temo que esta parte de su expresión regular no funciona en POSIX, o al menos no es portátil:

 [\\W]

La forma POSIX de especificar caracteres que no son espacios es:

 [^[:space:]]

Toda su expresión regular para POSIX debería verse así en C:

 char *pattern = "((u[0-9]{1,2})|(phaseu)|(phasep)|[^[:space:]]+([xyz])[^[:space:]]+)";