grep正則執行模式粗探

今天羣裏討論grep正則時，用到了-P選項

查了下man

      -P, --perl-regexp
              Interpret PATTERN as a Perl regular expression.

 

 

然後對grep的正則執行模式起了點興趣，繼續查看了grep的正則執行過程

還是從main函數開始，跟蹤grep的函數調用過程

1:函數調用路徑

       在grep.c的main函數裏，開始時，對參數（相當多）進行了分析(略）

       然後調用正則編譯函數

(*compile)(keys, keycc);

然後分別對每個文件，調用了grepfile函數，因此grep支持對多個文件進行操作（包括標準輸入）

grepfile對文件類型進行分析，然後調用grep函數

grep函數循環讀取（調用fillbuf）文件匹配（調用grepbuf）

grepbuf裏，有個match_offset指針，用於指針從左到右的偏移匹配

while ((match_offset = (*execute) (p, lim - p, &match_size, 0)) != (size_t) -1)

可以看出grepbuf調用了execute函數指針

execute即是執行正則的函數

 

2：正則模式設定

execute函數採用指針的形式，是因爲grep彩用了多種正則執行模式，用指針方便調用不同模式的正則匹配函數

execute函數指針在install_matcher函數裏賦值

execute = matchers[i].execute;

這裏install_matcher就是在main裏分析不同參數是調用的，以指定採用哪種正則“matcher匹配器”？。

if (!install_matcher (matcher) && !install_matcher ("default")) abort ();

通過不同參數指定，並通過setmatcher函數指定matcher值

if (! matcher) matcher = "grep"; case 'E': setmatcher ("egrep"); break; case 'F': setmatcher ("fgrep"); break; case 'P': setmatcher ("perl"); break; case 'G': setmatcher ("grep"); break;

默認的matcher值是grep:

if (! matcher) matcher = "grep";

 

 

 

 

3：正則函數

       正則在處理步驟上，大致可分成編譯和執行二個步驟：編譯正則表達式，執行正則表達式

       上邊提到的函數指針

在install_matcher裏，設定了正則compile(編輯器?)與正則execute（執行器）

install_matcher (char const *name) { int i; for (i = 0; matchers[i].compile; i++) if (strcmp (name, matchers[i].name) == 0) { compile = matchers[i].compile; execute = matchers[i].execute;

 

matchers數組，結構數組在search.c文件裏指定

默認爲Gcompile和EGexecute

struct matcher const matchers[] = { { "default", Gcompile, EGexecute }, { "grep", Gcompile, EGexecute }, { "egrep", Ecompile, EGexecute }, { "awk", Ecompile, EGexecute }, { "fgrep", Fcompile, Fexecute }, { "perl", Pcompile, Pexecute }, { "", 0, 0 }, };

 

相關函數定義：

static void kwsinit PARAMS ((void)); static void kwsmusts PARAMS ((void)); static void Gcompile PARAMS ((char const *, size_t)); static void Ecompile PARAMS ((char const *, size_t)); static size_t EGexecute PARAMS ((char const *, size_t, size_t *, int )); static void Fcompile PARAMS ((char const *, size_t)); static size_t Fexecute PARAMS ((char const *, size_t, size_t *, int)); static void Pcompile PARAMS ((char const *, size_t )); static size_t Pexecute PARAMS ((char const *, size_t, size_t *, int));

 

 

這邊就是調用不同正則表達式編譯和解析函數了

以grep默認的Gcompilte和EGexecute爲例

Gcompilte事實上調用了dfa.c、dfa.h文件裏的正則編譯函數dfacomp

dfacomp (pattern, size, &dfa, 1);

 

而EGexecute則是調用了正則查詢函數re_match,re_search

這二個函數在標準庫定義/usr/include/regex.h

* Search in the string STRING (with length LENGTH) for the pattern compiled into BUFFER. Start searching at position START, for RANGE characters. Return the starting position of the match, -1 for no match, or -2 for an internal error. Also return register information in REGS (if REGS and BUFFER->no_sub are nonzero). */ extern int re_search (struct re_pattern_buffer *__buffer, const char *__string, int __length, int __start, int __range, struct re_registers *__regs); /* Like `re_search', but search in the concatenation of STRING1 and STRING2. Also, stop searching at index START + STOP. */ extern int re_search_2 (struct re_pattern_buffer *__buffer, const char *__string1, int __length1, const char *__string2, int __length2, int __start, int __range, struct re_registers *__regs, int __stop); /* Like `re_search', but return how many characters in STRING the regexp in BUFFER matched, starting at position START. */ extern int re_match (struct re_pattern_buffer *__buffer, const char *__string, int __length, int __start, struct re_registers *__regs);

 

 

而對於perl正則模式Pcompile,Pexecute則是調用了perl正則處理函數

這二個函數需要perl正則庫(pcre.h)支持

#ifdef HAVE_LIBPCRE # include <pcre.h> cre = pcre_compile (re, flags, &ep, &e, pcre_maketables ()); int e = pcre_exec (cre, extra, buf, size, 0, 0, sub, sizeof sub / sizeof *sub);

 

 

未了，對於正則具體的編譯和執行，待以後有空繼續研究