【原创】epcre2：基于PCRE2的正则表达式模块支持Unicode

小白熊 · 发表于 2019-8-30 22:39:13

本帖最后由小白熊于 2019-8-31 16:45 编辑

“基于PCRE2的完全封装+功能扩展正则表达式模块！！！”
关于PCRE2：

pcre2是一个超强大的正则表达式库，它与Perl兼容，有众多的程序嵌入了它比如 PHP、Nginx等

Unicode支持：
pcre2有三个库，libpcre2-8、libpcre2-16、libpcre2-32，分别支持 1字节代码单元(UTF-8)、2字节代码单元(UTF-16)、4字节代码单元(UTF-32)。

这三个库我都已经编译并且放入压缩包，模块也实现完全封装全部支持，在普通使用中我们只需要用到 libpcre2-8这个库，如果需要Unicode支持则需要用到libpcre2-16这个库而libpcre2-32为32位代码单元支持，模块也支持，根据需求使用选择库。

模块公开的函数和类：
M5_K2Q``)`(SJWKJ)YLJE9Y.png

使用说明：
P_正则全局加载链接库：加载全局链接库（载入DLL）
P_正则编译表达式：编译一个表达式，如果成功返回表达式句柄
P_正则内容替换：进行匹配和替换
P_正则内容高级替换：进行匹配和替换，不同于内容替换的是这个功能允许使用 \0 \1 \2这种类型的格式字符串传入，用以匹配完整表达式捕获、第一个子表达式捕获、第二个子表达式捕获，同理支持最大\99

假设表达式为：(\d+)*(\d+)，文本内容为：“100*200”，此处的格式为：“\1 => \2”，则最终替换返回的结果为：“100 => 200”

P_正则内容匹配：此功能用于判断某个文本是否与表达式匹配，匹配成功返回真，否则返回假
P_正则内容搜索：此函数通过已编译的表达式进行搜索内容，如果成功将返回一个搜索结果指针，如果启用全部搜索则返回一个搜索结果数组指针，如果无匹配返回0
。。。。。不一一叙述了，模块内有注释，不懂可以加下面的群
P_正则表达式类封装于面向过程为类
P_正则表达式_便捷与 P_正则表达式类相同，但更加便捷操作

所有函数名称带W的表示支持 8/16/32 位字符单元模式（使用16位模式即可支持通常的Unicode），普通模式不支持宽文本的函数有备注

关于JIT：

pcre2库支持JIT编译表达式，启用JIT编译在编译时稍微多耗费一些时间，但在匹配时速度快得多，这通常运用于单个模式进行多次匹配时需要

关于命名子表达式：

表达式允许加入‘命名标签’，使用命名标签的格式：(?<名称>(子表达式))
例如表达式：(?<name>([1-9][0-9]{4,})) 匹配文本：jhbxwe8769933jdhxcn 那么将会匹配到 8769933 ，由于前面命名子表达式为name，则可以使用 P_正则取子匹配文本_从名称(搜索结果，name)来获取到 8769933

其他
懒得排版帖子，大伙凑合看，新建了一个易语言交流群，了解我的更多作品和我正在开发的东西，或者BUG反馈，使用说明等加QQ群：232838885

附件：

V1.01更新，在8位模式下自动加入 PCRE2_UTF选项，使得8位模式下可以进行中文匹配，但需要进行UTF8编码加入示例源码

epcre2 V1.01.zip (795.76 KB, 下载次数: 125)

小白熊 · 发表于 2019-9-3 14:02:41

1.04更新
新增 ‘P_正则取匹配文本位置’‘P_正则取子匹配文本位置’用于获取匹配文本在原文中的位置

1.03更新
修改1.01的更新，改为可以选择是否加入UTF选项，这使得如果你不需要在表达式匹配中文的话，你便不需要进行UTF编码
当然如果你需要匹配中文，你必须指定视为UTF字符串，并且进行编码

1.02更新
重新编译DLL，解决DLL无法加载的问题
更改在‘P_正则内容高级替换W’一项小小的性能问题

1.01 更新
在8位模式下编译表达式自动加入PCRE2_UTF选项，使得可以在8位模式下匹配中文(但需要UTF8编码)

附件

epcre2 V1.04.zip (743.02 KB, 下载次数: 204)

770345278 · 发表于 2024-4-22 05:34:45

支持开源~！感谢分享

小白熊 · 发表于 2024-4-8 16:07:48

aismy 发表于 2024-4-8 07:19
' 替换结果U ＝ P_正则内容替换W (表达式句柄, 编码_Ansi到Utf8 (“123”), 编码_Ansi到Utf8 (“A”), , ) ...

此模块已经不更新了哦，待有缘人弄更好的，嘿嘿

你说的这个问题我刚刚看了下，是图片箭头指的那个`P_取变量数据指针`这个函数的问题，你换成和上面一样的`P_取字节集变量数据指针`即可

至于你在问题帖子里面询问的人家的回答，其实并不会内存分配少的，因为替换时并不知道要被替换多少次，所以无法得知具体应该分配多少内存，但是在得到内存不足的错误后即可得知需要多少内存。

感谢使用！！么么哒

aismy · 发表于 2024-4-8 07:19:26

' 替换结果U ＝ P_正则内容替换W (表达式句柄, 编码_Ansi到Utf8 (“123”), 编码_Ansi到Utf8 (“A”), , )  ' 一个字节正常
替换结果U ＝ P_正则内容替换W (表达式句柄, 编码_Ansi到Utf8 (“123”), 编码_Ansi到Utf8 (“AA”), , )  ' 2个就不正常了

' 替换结果U ＝ P_正则内容高级替换W (表达式句柄, 编码_Ansi到Utf8 (“123”), 编码_Ansi到Utf8 (“正常”), , , , )  ' 正常

不知道是不是我用法错误，请作者指点，谢谢！

详细图文说明：https://bbs.125.la/thread-14817358-1-1.html

wanglingxing1 · 发表于 2023-8-11 21:36:03

，希望考虑下很好的模块。感谢

283688410 · 发表于 2023-1-28 21:34:51

谢谢分享

aiky123 · 发表于 2022-10-11 10:23:06

这个函数有问题： P_取文本长度_UTF16_字符数量 (内容文本)
它取文本长度应该是找到｛0，0｝就结束，如果是 “开” 字开头的新行｛10，0，0，95｝它只返回换行符前面的字符数。

倌人安好 · 发表于 2021-12-7 22:32:59

山川发表于 2021-5-3 15:35
楼主nb，想问下这个和精易的正则比起来有啥优势

真是不懂当笑话啊, 这玩意效率不比对象快?

Wm邪少 · 发表于 2021-12-2 16:21:24

大佬，你还在吗？在的话更新一下吧

山川 · 发表于 2021-5-3 15:35:24

楼主nb，想问下这个和精易的正则比起来有啥优势

点点丶滴滴 · 发表于 2021-3-1 01:27:11

瞅瞅看

		自动登录	找回密码
密码			注册

[易语言软件开源] 【原创】epcre2：基于PCRE2的正则表达式模块支持Unicode

点评

评分

本帖被以下淘专辑推荐:

评分

评分

[易语言软件开源] 【原创】epcre2：基于PCRE2的正则表达式模块 支持Unicode

点评

评分

本帖被以下淘专辑推荐:

评分

评分

[易语言软件开源] 【原创】epcre2：基于PCRE2的正则表达式模块支持Unicode