2.4.1. 0개 이상 매칭 오퍼레이터 (*)

이 연산자는 해당 스트링을 정규표현식으로 매칭시키기 위해 가능한한 가장적은 반복횟수(0를 포함하여)를 선택합니다. 가령, 예를 들면, 'o*' 는 "0개 이상으로 구성된 o"를 매칭합니다. 'fo*'는 'fo'의 반복이 아니라 'o'의 반복을 나타냅니다. 따라서, 'fo*'는 'f', 'fo', foo'등과 매칭됩니다. 다음과 같은 경우에는 반복 오퍼레이터의 역할을 수행하지 않습니다.

• 정규표현식의 처음에 올 경우 ('*foo')

• 라인의 시작과 매칭되는 '^'나, 오픈그룹 '('나, 대체 오퍼레이터인 '|' 바로 다음에 위치할 경우 ('^*', '(*foo)', 'foo|*bar')

• 문법비트가 RE_CONTEXT_INVALID_OPS 가 세트되었다면, 그 정규표현식은 틀린것 으로 취급됩니다.

• RE_CONTEXT_INVALID_OPS 가 세트되지 않았고, RE_CONTEXT_INDEP_OPS가 세트되었 다면, '*'는 반복 오퍼레이터 역할을 수행합니다.

• 다른경우는, '*'는 그냥문자(일반문자)입니다.

'*' 의 작동원리를 예로 들어보겠습니다. 'ca*ar' 이라는 정규표현식으로 'caaar' 이라는 문자를 매칭 시킨다고 한다면, 'ca*ar' 의 'a*' 는 'caaar'의 'aaa'를 매칭시킵니다. 그러나 마지막 전자의 'ar' 이 후자의 남은 'r'을 매칭 시키지 못하기 때문에 이전 'a*' 로 매칭된 'aaa'중 마지막 하나를 거꾸로 밟아 'a'를 취소함으로써 'ar'을 매칭시킵니다.

1)  ca*ar   =>  caaar       (match)
    ^^^         ^^^^
2)  ca*ar   =>  caaar       (not match)
       ^^           ^
3)  ca*ar   =>  caaar       (one back cancle)
    ^^^         ^^^
4)  ca*ar   =>  caaar       (match)
    ---^^       ---^^
				

2.4.2. 하나이상 오퍼레이터 (+)

RE_LIMITED_OPS 로 오퍼레이터 제한을 가하면, Regex 는 이 오퍼레이터를 인식 하지 못합니다. 만일 RE_BK_PLUS_QM 이 세팅되어 있다면, '\+' 가 그 역할을 하고, 아니면 '+' 가 됩니다. 이것은 앞서의 뻥개이상 오퍼레이터 ('*')와 적어도 하나는 매칭시킨다는 점을 제외하고는 같습니다. 가령, '+'가 이 오퍼레이터면, 'ca+r' 은 'car', 'caaaar'과 매칭되고, 'cr'과는 매칭되지 않습니다.

2.4.3. 0개나 한개 오퍼레이터 (?)

이것도 역시 RE_LIMITED_OPS 가 설정되어 있으면, 인식하지 못합니다. 아울러, RE_BK_PLUS_QM 의 세팅여부에 따라, '\?' 나 '?'가 그 역할을 합니다. 이 오퍼레이터는 뻥개이상의 오퍼레이터와 한개나 하나도 매칭시키지 않는다는 점만 제외하면 비슷합니다. 예를 들면, 'ca?r'은 'car'나 'cr'을 매칭시키고, 다른 것들은 매칭되지 않습니다.

2.4.4. 간격 오퍼레이터 ({...})

이 오퍼레이터를 사용하면, 특정 패턴의 출현빈도를 지정할 수 있습니다. RE_INTERVALS 가 세트되어 있다면, Regex는 이것을 인식합니다. 아울러 다른 것과 마찬가지로 가능한한 가장 적은 횟수의 반복과 매칭됩니다. RE_NO_BK_BRACES 가 세트되었다면, '{', '}'가 오퍼레이터가 되며, 그렇지 않다면, '\{'와 '\}'가 오러페이터가 됩니다. '{' 와 '}' 가 현재의 간격 오퍼레이터라고 했을 경우에, 다음의 뜻은 다음과 같 습니다.

r{2,5}  : 2개에서 5개 사이의 'r'
r{2,}   : 2개 이상의 'r'
r{4}    : 정확히 4개의 'r'
				

• 최소한계 갯수가 최대한계 갯수보다 클 경우

• 간격 오퍼레이터 안의 숫자가 RE_DUP_MAX 의 범위를 벗어날 경우

만약, 간격 표현식이 잘못 작성되어 있고, 문법비트가 RE_NO_BK_BRACES 가 세트 되어 있을 경우에는, Regex 는 간격 오퍼레이터 안에 있는 모든 문자는 그냥문자 (일반문자)로 재구성합니다. 이 비트가 세트되어 있지 않다면, 그 정규표현식은 진짜로 틀린 것이 됩니다.

또한, 정규표현식이 유효하긴 한데, 간격 오퍼레이터가 작동할 대상이 없을 경우, RE_CONTEXT_INVALID_OPS 가 세트되어 있다면, 그 정규표현식은 틀린 것이 됩니다. 비트가 세트되어 있지 않다면, Regex 는 간격 오퍼레이터 안의 모든 문자를 그냥 문자(일반문자)로 재구성하며, 백슬래쉬는 그냥 무시해버립니다. flex 로 간단히 예를 들어보겠습니다.

queen:~/regex$ echo -e "%%\nx{5} printf(\"only five\\n\"); " | flex
queen:~/regex$ gcc lex.yy.c -lfl
queen:~/regex$ a.out
xxxxx
only five
 
^D
queen:~/regex$
				

2.6.1. 문자 클래스 오퍼레이터 ([:...:])

이것은, 유사한 성격의 문자들을 사용자가 알아보기 쉽게 단어로 그룹을 지어서 사용하는 것입니다. C 에서의 isdigit, isalpha 등과 같이 구성이 되어 있습니다. 가령, '[[:alnum:]]'은 '[a-zA-Z0-9]' 와 같은 의미를 가지지요. 사용할 수 있는 클래스는 다음과 같습니다.

• alnum : 알파벳과 숫자

• alpha : 알파벳

• blank : 스페이스나 탭 (시스템에 의존적임)

• cntrl : 아스키코드에서의 127 이상의 문자와 32 이하의 제어문자 (한글의 첫째바이트가 127 이상이므로 제어문자로 취급됨 :()

• digit : 숫자

• graph : 스페이스는 제외되고 나머지는 'print' 항목과 같음.

• lower : 소문자

• print : 아스키코드에서 32에서 126까지의 찍을 수 있는 문자

• punct : 제어문자도 아니고 알파벳.숫자도 아닌 문자

• space : 스페이스, 케리지 리턴, 뉴라인, 수직 탭, 폼피드

• upper : 대문자

• xdigit : 16진수, 0-9, a-f, A-F

2.6.2. 범위 오퍼레이트 (-)

범위 오퍼레이터는 리스트 안에서만 작동하며, '-'를 앞뒤로 한 두문자사이의 모든 문자를 의미합니다. 가령, 'a-f'는 'a'에서 'f'사이의 모든 문자를 포함 합니다.

RE_NO_EMPTY_RANGES가 세트되었고, 범위의 끝 포인터가 시작포인터보다 작다면, (예: '[z-a]') 그것은 틀린 것이 됩니다. 해당 문법비트가 세트되어 있지 않다 면, 그 범위는 텅 비게 만듭니다. 만일 '-'문자를 원래의 문자의미로 리스트안에 넣을려면, 다음 중 한가지를 따라야 합니다.

• 리스트의 첫부분이나 마지막에 삽입한다.

• 범위의 시작포인터가 '-'보다 작게 하고, 끝포인터를 '-'와 같거나 크게 한다.

2.9.1. 라인시작 오퍼레이터(^)

이 오퍼레이터는 문자열의 시작이나 뉴라인 문자 다음의 빈문자열와 매칭할 수 있습니다. 다음의 경우에 '^'는 이 오퍼레이터의 역할을 하고, 다른 경우에는 그냥문자가 됩니다. * '^' 이 패턴에서 처음에 위치한다. 가령, '^foo' 같은 경우 * 문법비트가 RE_CONTEXT_INDEP_ANCHORS 가 세트되었고, 골호나 그룹..등의 밖에 있을 경우 * 오픈그룹이나 대체 오퍼레이터 다음에 따라올 경우, 예를 들면, 'a\(^b\)', 'a\|^b'

이러한 규칙은 '^' 를 포함하는 유효한 패턴이라고 하더라도 매칭될 수 없다는 것을 암시합니다. 만약, 패턴 버퍼에서 newline_anchor 필드가 세트되었다면, '^'는 뉴라인 다음과의 매칭에 실패합니다. 이것은 가끔 전체 문자열을 라인으로 나누어서 처리하지 않을 때에 유용하다고 하는군요.

2.9.2. 라인의 끝 오퍼레이터 ($)

이 오퍼레이터는 문자열의 끝이나 뉴라인 문자의 이전의 빈 문자열과 매칭됩니다. 이것은 항상 '$'로 나타납니다. 예를 들면, 'foo$'는 'foo\nbar'의 처음 세글자와 매칭이 됩니다. 다음 시간에는 GNU 오퍼레이터와 GNU emacs 오퍼레이터를 잠깐 살펴보고 재미있는 Regex 프로그래밍에 들어가겠습니다.

3.1.1. 이맥스가 아닌 문법 테이블

문법 테이블은 일반적인 문자세트의 문자들에 의해 인덱스화된 하나의 배열입니다. Regex 는 항상 이 인덱스 테이블을 사용하기 위해 항상 char * 변수값을 사용합니다. 몇몇 경우에는 이 변수값을 초기화하고 순서대로 여러분들이 초기화시킬수도 있습니다.

• Regex 가 전처리 심볼 emacs 로 컴파일되었고, SYNTAX_TABLE 이 둘다 정의되지 않았다면, Regex 는 re_syntax_table 을 할당하고 i가 글자이거나 숫자, '_' 이라면, 원소 i나 SWord를 초기화한다. i가 그렇지 않다면 그 값은 0으로 초기화됩니다.

• Regex 가 정의되지 않은emacs로 컴파일되었으나 SYNTAX_TABLE 이 정의되었다면 여러분들은 char * 변수 re_syntax_table 을 유효한 문법 테이블(syntax table)로 정의하여야 합니다.

• Regex가 전처리 심볼 emacs가 정의된 상태에서 컴파일되었다면 어떤 일이 일어나는 지는 뒤에서 설명합니다.

3.1.2. Match-word-boundary 오퍼레이터(\b)

'\b' 는 단어를 구분짓습니다. 즉, 이것은 단어의 시작과 끝의 빈 문자열과 매칭 이 됩니다. 예를 들면, '\brat\b'는 분리된 낱말, 'rat'을 매칭시킵니다. 그러나,단어의 범위를 어떻게 규정하는가 하는 것은 몇가지 예제로 충분히 유추 할 수 있을 것입니다.

이 강좌의 처음에 든 예를, 이 오퍼레이터를 사용하면 더 간단합니다.

grep "\bint\b" regex.c
 
        mcnt = (int) Sword;
int mcnt;
.........
queen:~/regex$
				

3.1.3. Match-within-word Operator (\B)

'B' 는 낱말안에서의 빈문자열과 매칭합니다. 예를 들면, 'c\Brat\Be' 는 'create' 와 매칭하고, 'dirty \Brat'은 'dirty rat'과 매칭하지 않습니다.

3.1.4. Match-beginning-of-word Operator (\<)

'\<' 는 단어의 시작에서 빈문자열을 매칭합니다.

3.1.5. Match-end-of-word Operator (\>)

'\>' 는 단어의 끝에서 빈문자열과 매칭합니다.

queen:~/regex$ grep "\<char\>" regex.c
return (char *) re_error_msg[(int) ret];
   const char *s;
....
queen:~/regex$
				

3.1.6. Match-word-constituent Operator (\w)

'\w' 는 낱말을 이루는 어떤 문자와 매칭합니다.

3.1.7. Match-non-word-constituent Operator (\W)

'\W' 는 낱말의 성분요소가 아닌 어떤 문자와 매칭합니다.

queen:~/regex$ echo " int " | grep "\Wi\wt"
 int
queen:~/regex$
				

3.2.1. Match-beginning-of-buffer Operator (\`)

'\`'는 버퍼의 시작되는 부분의 빈문자열과 매칭됩니다.

3.2.2. Match-beginning-of-buffer Operator (\')

'\''는 버퍼의 끝 부분의 빈문자열과 매칭됩니다.

4.1.1. Match-syntactic-class Operator (\sclass)

이 오퍼레이터는 문법 클래스가, 서술된 문자가 명시하는, 어떤 문자를 매칭 합니다. '\sclass'가 이 오퍼레이터를 나타내며, class는 여러분들이 원하는 문법 클래스를 나타내는 문자입니다. 예를 들여, 'w' 는 단어를 구성하는 문자의 문법 글래스를 나타내므로, '\sw'은 단어를 구성하는 아무 문자와 매칭합니다.

4.1.2. Match-not-syntactic-class Operator (\Sclass)

위의 오퍼레이터와는 반대되는 뜻입니다. 예를 들어, 'w' 는 단어를 구성하는 문자의 문법 클래스를 나타내므로, '\Sw' 은 단어의 구성성분이 아닌 아무 문자와 매칭됩니다.

지겹게 지금까지 많을 것을 설명드렸지만, 사실 이 모든 것을 다 한꺼번에 기억하실 필요성은 없습니다. 자주 사용하시면서 그때그때 마다 조금씩 익숙하게 익히시는 것이 좋으리라 봅니다. 이제, 조금 더 재미있는 Regex 프로그래밍에 들어가겠습니다.

5.2.1. POSIX 패턴 버퍼

POSIX 에서 정규표현식을 컴파일하거나 매칭작업을 하려면, BSD 와는 다르게 패턴 버퍼를 제공하여야 합니다. regex_t 타입인 POSIX 패턴 버퍼는, re_pattern_buffer 타입인 GNU 패턴버퍼와 구성이 동일 합니다. "regex.h" 에 보면 다음과 같이 형정의되어 있습니다.

typedef struct re_pattern_buffer regex_t;
				

여러분들은 서로 다른 여러종류의 패턴 버퍼를 동시에 보유할 수 있습니다. "regex.h" 는 아래와 같은 패턴 버퍼를 정의하고 있습니다.

 
  /* 컴파일된 패턴을 가르키는 포인터. 이것의 원소는 배열의 인덱스로
     사용될 때가 있기 때문에 'unsigned char *'로 정의되었습니다. */
  unsigned char *buffer;
 
  /* 'buffer' 가 포인트하는 바이트수 */
  unsigned long allocated;
 
  /* 'buffer' 안에 사용되고 있는 바이트수 */
  unsigned long used;
 
  /* 패턴이 컴파일될 때 세팅되는 문법 */
  reg_syntax_t syntax;
 
  /* 어떤 fastmap 을 가르키는 포인터. NULL 이라면 포인팅 하지 않는 경우입니
     다. re_search 는, 만일 fastmap 이 존재할 경우, 빠른 매칭을 위해서, 매칭
     이 불가능한 출발 포인트는 건너 뛰게 됩니다. */
  char *fastmap;
 
  /* NULL 이 아니라면, 어떤 문자들을 비교하기 전에, 모든 문자들에 적용되는
     변환테이블입니다. NULL 일 경우에는 변환이 없습니다. */
  char *translate;
 
  /* (정규표현식) 컴파일러에 의해 발견된 보조표현식의 수 */
  size_t re_nsub;
 
  /* 현재의 패턴이 빈문자열과 매칭할 수 없다면 0이 되고, 그외는 1이 됩니다.
     이것은 're_search_2' 에서만 사용됩니다. */
  unsigned can_be_null : 1;
 
  /* REGS_UNALLOCATED : 'regs' 구조체에 RE_NREGS 나  re_nsub + 1 중 큰수
                        수 만큼 그룹을 할당합니다.
     REGS_REALLOCATE  : 필요하다면 공간을 재 할당합니다.
     REGS_FIXED       : 그냥 있는 것을 사용합니다.  */
  #define REGS_UNALLOCATED 0
  #define REGS_REALLOCATE 1
  #define REGS_FIXED 2
  unsigned regs_allocated : 2;
 
  /* 패턴을 'regex_compile' 로 컴파일 할 때 0으로 세팅됩니다.
     're_compile_fastmap'이 fastmap 을 업데이트 할 경우에는 1로 세팅됩니다. */
  unsigned fastmap_accurate : 1;
 
  /* 이것이 세트되어 있다면, 're_match_2' 는 보조표현식에 관한 정보를 리턴하
     지 않습니다. */
  unsigned no_sub : 1;
 
  /* 이것이 세트되어 있다면, 라인의 시작을 나타내는 표시기(일반적으로는 '^')
     는 문자열의 시작을 매칭하지 못합니다. */
  unsigned not_bol : 1;
 
  /* 이것은 라인의 끝을 나타내는 표시기(일반적으로는 '$')와 유사합니다. */
  unsigned not_eol : 1;
 
  /* 이것이 세트되면, 뉴라인에서 표시기가 매칭됩니다. */
  unsigned newline_anchor : 1;
				

5.2.2. POSIX 정규표현식 컴파일

패턴 버퍼를 컴파일하려면 'regcomp' 를 사용합니다.

 int regcomp (regex_t *preg, const char *regex, int cflags)
				

regcomp 가 컴파일에 실패하게 되면, 아래의 에러코드 중 하나를 반환합니다.

5.2.3. POSIX 매칭

한번, 패턴을 패턴버퍼로 컴파일을 했다면, 이제 매칭작업을 할 수 있습니다. 이 매칭작업을 'regexec' 가 수행을 합니다.

int regexec (const regex_t *preg, const char *string,
                size_t nmatch, regmatch_t pmatch[], int eflags)
				

'eflags' 는 실행 플래그를 설정하며, REG_NOTBOL 과 REG_NOTEOL 이 될 수 있습니다. REG_NOTBOL 을 설정한다면, match-beginning-of-line operator ('^')는 항상 매칭에 실패를 합니다. REG_NOTEOL 은 match-end-of-line operator 에 있어서 위와 유사하게 작동합니다.

regexec 는 컴파일된 패턴이 'string' 과 매칭이 되었다면 0을, 그렇지 않다면, REG_NOMATCH 를 리턴합니다.

5.2.4. 에러 메시지 출력하기

regcomp 나 regexec 가 실패하게 되면, 0이 아닌 에러코드를 반환합니다. 이러한 에러코드들은 위의 6.2.2 와 6.2.3 에서 설명한 것들입니다. 에러코드에 해당하는 에러 문자열을 얻으려면 'regerror'를 사용할 수 있습니다.

size_t regerror (int errcode,
                  const regex_t *preg,
                  char *errbuf,
                  size_t errbuf_size)
				

regerror 는 'errcode' 에 대응하는 에러 문자열의 바이트 크기(널문자까지 포함) 를 반환합니다. 'errbuf' 와 'errbuf_size' 가 0이 아니라면, 'errbuf' 에 처음 errbuf_size-1 문자의 에러 문자열을 널문자를 추가해서 돌려줍니다. 'errbuf_size' 는 'errbuf' 의 바이트 크기보다 작거나 같은 양수이어야 합니다. 여러분들은, 'regerror' 의 에러 문자열을 담아내는 데 얼마만큼 크기의'errbuf' 가 필요한지 알아보기 위해서 'errbuf' 를 NULL로, 'errbuf_size' 를 0으로 해서 호출할 수 있습니다.

5.2.5. 바이트 옵셋 사용하기

POSIX 에서, regmatch_t 형 변수는 GNU 의 레지스터와 비슷하지만, 똑같지는 않습니다. POSIX 에서 레지스터의 정보를 얻으려면 regexec 에, regmatch 형 변수인, 0이 아닌 'pmatch'를 넘겨줄 수 있습니다. regmatch_t 형 구조체는 다음과 같습니다.

typedef struct {
   regoff_t rm_so;
   regoff_t rm_eo;
} regmatch_t;
				

GNU Regex 의 'regs' 와 POSIX 의 'regs' 는 유사하게 대응합니다. 'reg' 의 'pmatch', pmatch[i]->rm_so 는 regs->start[i] 와 대응하고 pmatch[i]->rm_eo 는 regs->end[i] 와 대응합니다.

5.2.6. POSIX 패턴 버퍼를 Free 하기

패턴 버퍼에 할당된 것을 free 하는 함수는 'regfree' 입니다.

void regfree (regex_t *preg)
				

5.2.7. POSIX Regex로 egrep 만들기

grep 은 기본 정규표현식을 사용하고, egrep 은 확장 정규표현식을 사용하는데, 여기서는 egrep 의 기능을 간단하게 구현해 보도록 하겠습니다. 지금까지 설명한 기능만으로도 egrep 의 기본적인 기능은 쉽게 만들 수 있습니다. grep 류의 기본적인 기능은 '매칭' 이 아니라 '검색'이기 때문입니다.

우리가 만들'egrep' 을 'my_egrep' 이라고 부른다면, 'my_egrep' 의 기본적인 작동은 다음과 같이 하도록 합시다.

1. 특별한 옵션은 지원하지 않고, 인자는 모두 패턴이나 파일명으로 처리한다.

2. 입력파일명이 명시되지 않았을 경우에는 표준입력에서 받는다.

3. 컴파일 플래그는 'REG_EXTENDED' 를 사용하여 확장정규표현식을 지원한다.

/* POSIX Regex 테스트 프로그램 : egrep 의 기본 기능 구현
 *
 * Designed by Han-donghun, 1997.5.31
 *
 * name    : my_egrep.c
 *
 * compile : First, you must have "regex.c" and "regex.h",
 *              in the current directory.
 *
 *           To get "regex.o " , type "gcc -c regex.c"
 *           Finally, to compile my_egrep.c, type follow.
 *
 *           "gcc -o my_egrep my_egrep.c regex.o"
 *
 * usage   : my_egrep pattern [files...]
 *
 * This is simple "pattern search" program
 *        using POSIX regex, like egrep.
 */
 
#include <stdio.h>
#include <stdlib.h>
#include <sys/types.h>
#include <errno.h>
#include "regex.h"    /* regex main header file */
 
void main(int argc, char *argv[]) {
  int ret = 0, error, i;
  char *msg;
  char buf[2048];
  FILE *fp;
  regex_t preg;
 
  if (argc <= 1) {
    fprintf(stderr, "usage: %s pattern [files..]\n", argv[0]);
    exit(1);
  }
 
  /* regex compile */
  if ((error = regcomp(&preg, argv[1],
        REG_EXTENDED | REG_NOSUB)) != 0) {
    ret = regerror(error, &preg, NULL, 0);
    msg = (char *)malloc(sizeof(char)*ret);
    regerror(error, &preg, msg, ret);
    fprintf(stderr, "%s: %s\n", argv[0], msg);
    free(msg);
    exit (1);
  }
 
  if (argc == 2) {
    while (fgets(buf, 2048, stdin) != NULL) {
      /* regex matching */
      if ((regexec(&preg, buf, 0, NULL, 0)) == 0) {
        printf("%s", buf);
      }
    }
  } else if (argc > 2) {
    for (i = 2; i < argc ; i++) {
      if ((fp = fopen(argv[i], "r")) == NULL) {
        fprintf(stderr, "%s: %s: %s\n", argv[0], argv[i], strerror(errno));
        continue;
      }
      while (fgets(buf, 2048, fp) != NULL) {
        /* regex matching */
        if ((regexec(&preg, buf, 0, NULL, 0)) == 0) {
          printf("%s", buf);
        }
      }
    }
  }
  regfree(&preg);
}
				

$ gcc -o my_egrep my_egrep.c regex.o
$ my_egrep regcomp 정규표현식강좌.네번째
 패턴 버퍼를 컴파일하려면 'regcomp' 를 사용합니다.
  int regcomp (regex_t *preg, const char *regex, int cflags)
  ................
$ my_egrep "^[0-9]+\.[0-9]+\b" 정규표현식강좌.네번째
6.2 POSIX Regex 함수
6.2.1 POSIX 패턴 버퍼
6.2.2 POSIX 정규표현식 컴파일
6.2.3 POSIX 매칭
6.2.4 에러 메시지 출력하기
6.2.5 바이트 옵셋 사용하기
6.2.6 POSIX 패턴 버퍼를 Free 하기
6.2.7 POSIX Regex 로 egrep 만들기
				

5.3.1. GNU 패턴 버퍼

GNU regex 는 GNU 패턴 버퍼를 이용하여 컴파일된 정규표현식을 활용합니다. 이 패턴 버퍼는 POSIX regex 에서 설명하였으므로 건너뛰겠습니다.

5.3.2. GNU 정규표현식 컴파일

GNU regex 에서는 정규표현식을 검색하고 매칭하는 것을 둘다 할 수 있습니다. GNU regex 에서도 POSIX 나 BSD regex 처럼, 먼저 정규표현식을 컴파일하여, 패턴버퍼에 마련해 두어야 합니다. 이전과 마찬가지로 패턴버퍼는 어떤 문법으로 컴파 일되느냐에 따라 매칭이나 검색의 결과가 달라지게 마련입니다. 이러한 문법을 지정하는 변수는 re_syntax_options 입니다. 따라서 컴파일을 하기전에 정확한 문법을 세팅해 두는 것이 중요합니다.

GNU regex 에서 패턴을 컴파일하는 것은, re_compile_pattern 입니다. re_compile_pattern 은 패턴버퍼를 인자로 취하는 데, 패턴 버퍼의 다음의 필드는 초기화를 시켜주어야 합니다.

char *re_compile_pattern (const char *regex, const int regex_size,
                          struct re_pattern_buffer *pattern_buffer)
				

re_compile_pattern 이 성공적으로 해당 정규표현식을 컴파일하였다면 0(NULL)을 리턴하고, *pattern_buffer 를 컴파일된 패턴으로 설정을 합니다. 아울러 아래의 패턴버퍼 내의 필드를 세팅합니다.

5.3.3. GNU 매칭

GNU 매칭은 문자열속에서 가능한한 시작위치에서 명시된데로 매칭을 시킵니다. 한번 패턴을 패턴버퍼로 컴파일을 했다면, 문자열에서 패턴을 매칭 시킬수 있습니다.

int re_match (struct re_pattern_buffer *pattern_buffer,
              const char *string, const int size,
              const int start, struct re_registers *regs)
				

pattern_buffer 은 컴파일된 패턴버퍼의 주소이고, string 은 매칭을 하고자 하는 문자열입니다. 이 문자열에는 NULL 이나 newline 을 포함할 수 있습니다. size 는 그 문자열의 길이이며, start 는 매칭하기를 원하는 문자열속의 인덱스(문자열 첫 문자의 인덱스는 0)입니다.

re_match 는 pattern_buffer 의 syntax 필드의 문법에 따라, 문자열 string 을, pattern_buffer의 정규 표현식과 매칭을 시키는 역할을 합니다. 문자열과 매칭할 수 없다면 -1을 리턴하고, 내부적인 에러일 경우에는 -2를, 성공적일 경우에는 문자열과 매칭된 횟수를 돌려줍니다.

예를 들면, pattern_buffer 이 'a*'를 컴파일한 패턴버퍼라고 하고, string 이 'aaaaab'이며, 따라서 size는 6이 되고, start 는 2라고 가정한다면, re_match는 3을 리턴합니다. 'a*' 는 문자열에서 마지막 세개의 'a'를 매칭시킬 것입니다. start 가 0이라고 한다면, re_match 는 5를 리턴합니다. start 가 5나 6일 경우에는 0을 반환합니다. start 가 0에서 size 사이가 아니라면, re_match 는 -1을 반환합니다.

5.3.4. GNU 검색

검색하는 데 사용되는 함수는 re_search 입니다. re_search 를 사용하기 전에 정규표현식을 컴파일 하셔야 겠죠? re_search 의 정의는 다음과 같습니다.

 
int re_search (struct re_pattern_buffer *pattern_buffer,
               const char *string, const int size,
               const int start, const int range,
               struct re_registers *regs)
				

range 가 양수이면, re_search 는 인덱스 start 에서 최초의 매칭을 시작하며 실패할 경우 start+1 에서 검색을 하며 계속 하나씩 나아가서 start+range 까지 수행합니다. range 가 음수라면, 인덱스 start 에서 첫 매칭을 수행하며, 이후에 -1씩 위치를 반대로 옮겨서 수행합니다.

start 가 0에서 size 사이가 아니라면, re_search 는 -1을 돌려줍니다. range 가 양수일 경우에는 re_search 는, 필요하다면 range 를 조절해서 start+range-1 이 0에서 size 사이가 되도록 하여 검색이 문자열 바깥으로 나가지 못하도록 합니다. 유사하게, range 가 음수라면, re_search 는 범위를 start+range+1 이 0에서 size 사이가 되도록 필요할 경우 조절하게 됩니다.

패턴버퍼의 fastmap 필드가 NULL 이라면, re_search 는 연속적인 위치로 매칭을 시작하며, NULL 이 아니라면, fastmap 을 사용하여 좀 더 효율적으로 검색을 수행합니다. 매칭이 한번도 되지 않는다면, re_search 는 -1을 반환하고, 매칭이 된다면 매칭이 시작된 위치의 인덱스를 돌려주며, 내부에러일 경우에는 -2를 돌려줍니다.

5.3.5. 분리된 데이터로 매칭과 검색하기

re_match_2 와 re_search_2 를 사용하면, 두개의 문자열로 나누어진 데이터를 매칭 하거나 검색할 수 있습니다.

int re_match_2 (struct re_pattern_buffer *buffer,
                const char *string1, const int size1,
                const char *string2, const int size2,
                const int start,
                struct re_registers *regs,
                const int stop)
				

int re_search_2 (struct re_pattern_buffer *buffer,
                 const char *string1, const int size1,
                 const char *string2, const int size2,
                 const int start,
                 struct re_registers *regs,
                 const int stop)
				

5.3.6. fastmap으로 검색하기

몇 십만바이트 이상 되는 문자열에서 검색을 하려면 fastmap 을 사용해야 합니다. 순차적으로 연속적인 위치에서 검색을 한다면 아마도 상당한 시간이 걸릴 것입니다. fastmap 은 내부적인 알고리즘을 유지하면서 최적의 검색을 수행합니다.

문자열 검색 시 효율을 높이기 위한 알고리즘은 많이 우리들에게 알려져 있습니다. 그들의 많은 부분들은 strstr과 같이 순차적으로 검색하는 것이 아니라 검색의 효율을 높이기 위해서 내부의 테이블을 갖추고 현재 위치의 문자가 검색의 시작점이 될 수 있는지를 검사하며 최대한의 포인터를 건너뛰도록 설계된 경우가 있습니다.

fastmap 을 이러한 역할을 하는 테이블에 대한 포인터입니다. 즉, 여러분들의 문자셋(아스키문자 등)으로 인덱스된 하나의 배열입니다. 아스키 encoding 하에서는, 따라서, fastmap 은 256 개의 원소를 가집니다. 주어진 패턴 버퍼에 있어서 검색시 fastmap 을 사용하려고 할 때에는, 먼저 배열을 할당하고 배열의 주소를 패턴버퍼의 fastmap 에 지정해야 합니다. fastmap 은 일반적으로 사용자가 직접 컴파일하거나 또는 re_search가 대신 할 수도 있습니다.fastmap이 어떤 테이블을 가르키고 있다면, re_search 는, 컴파일된 패턴버퍼를 사용한 검색을 하기 이전에, 먼저 fastmap 을 자동적으로 컴파일합니다.

직접 수동으로 하려면 다음과 같이 사용하면 됩니다.

int re_compile_fastmap (struct re_pattern_buffer *pattern_buffer)
				

re_search 는 문자열의 각 원소들 중에서 fastmap 에 있는 것 중의 하나가 나올때까지 차례로 비교합니다. 그리고 나서 그 문자에서부터 매칭을 시도합니다. 매칭이 실패할 경우에는 이러한 처리를 반복합니다. 따라서 이렇게 fastmap 을 사용할 경우, re_search 는 매칭의 시작점이 될 수 없는 문자열의 위치에서 쓸데 없이 매칭 하려고 하는 시도를 줄임으로써 시간을 절약할 수 있는 것입니다.

fastmap 을 re_search 에서 사용하기를 원치 않을 경우에는 fastmap 필드에 NULL (0)을 저장하면 됩니다. 물론 re_search 사용이전에 말이죠...

패턴버퍼의 fastmap 필드를 한번 초기화 했다면 다시 fastmap 을 컴파일 할 필요는 없습니다. re_search 는 fastmap 이 NULL 이면 컴파일을 하지 않으며, NULL 이 아니라면 새로운 패턴에 새로운 fastmap 을 컴파일합니다.

5.3.7. GNU 변환 테이블

패턴버퍼의 translate 필드를 변환 테이블로 설정하였다면, Regex 는 찾는 모든 문자열과 정규표현식에서 간단한 변환을 하기 위해 translate 로 지정된 변환 테이블을 사용합니다.

"변환테이블" 은 아스키와 같은 문자세트의 원소들로 인덱스된 배열입니다. 따라서 아스키코드에서는 변환테이블은 256개의 원소를 가집니다. 이 배열의 원소들도 마찬가지로 여러분의 문자세트에 포함이 됩니다. Regex 함수가 문자 c를 만났다면, 문자 c 대신 translate[c] 를 사용합니다. 가령 대소문자를 무시한 Regex 일 경우,

translate['A'] = 'A';
translate['a'] = 'A';
translate['B'] = 'B';
translate['b'] = 'B';
............
				

그러나, 단한가지의 예외가 있다면, '\' 문자 뒤에 따라오는 문자는 변환하지 않는다는 것입니다. '\' 문자가 이스케이프의 역할을 한다면, ' \B' 와 '\b' 는 항상 구별되는 것입니다.

이제 위와 같이, 소문자를 대문자로 변환하는, 대소문자를 무시하는 변환테이블을 초기화 하는 예를 보이겠습니다. (메뉴얼에 나와 있는 내용입니다. ^^)

struct re_pattern_buffer pb;  /* 패턴 버퍼 */
char case_fold[256];          /* 변환 테이블 */

for (i = 0; i < 256; i++)
  case_fold[i] = i;
for (i = 'a'; i <= 'z'; i++)  /* 소문자를 대문자로 변환 */
  case_fold[i] = i - ('a' -'A');

pb.translate = case_fold;
				

5.3.8. 레지스터 사용하기

사실 이 부분이 regex 에서 중요한 부분입니다. 지금까지는 regex 를 사용하여 어떤 문자열내에 해당 패턴(정규표현식)이 있느냐 없느냐만 따졌으나 이 레지스터를 사용하면 세부 매칭의 결과를 저장하게 됩니다. 즉, 문자열 인덱스 어디에서 어디까지 패턴과 매칭이 되었는지에 대한 정보를 확보함으로써 나아가서는 문자열 치환 작업까지도 생각할 수 있습니다.

정규표현식에서 하나의 그룹은 전체적으로 정규표현식과 매칭되는 문자열의 하나의 부분문자열과 매칭할 수 있습니다. 매칭작업을 수행할 때 각각의 그룹과 매칭된 보조문자열의 시작과 끝이 기억됩니다.

이러한 검색이나 매칭시에는 GNU 매칭 및 검색 함수에 0이 아닌 'regs' 인자를 넘겨줘야 합니다.

struct re_registers {
  unsigned num_regs;
  regoff_t *start;
  regoff_t *end;
};
				

제일 간편하고 유용한 방법은 regex 의 매칭함수로 하여금 각각의 그룹에 대한 정보를 기록할 공간을 충분히 할당하게 하는 것입니다. regs_allocated 가 REGS_UNALLOCATED 라면, 매칭함수는 1+re_nsub(패턴버퍼의 다른 멤버) 만큼을 할당 합니다. 여분의 원소는 -1 로 설정하고, regs_allocated 를 REGS_REALLOCATE 로설정합니다. 이후에 다시 호출할 경우에, 필요하다면 매칭함수는 공간을 더 할당 할 수 있습니다.

re_compile_pattern 은 regs_allocated 를 REGS_UNALLOCATED 로 설정하기 때문에, GNU 정규표현식 함수에서는 위와 같은 행동이 기본으로 되어 있습니다.

POSIX 에서는 조금 다릅니다. 호출자에 매칭함수가 채울, 고정길이의 배열을 넘겨줘야 합니다. 따라서 regs_allocated 가 REGS_FIXED 라면, 매칭함수는 그 고정배열을 간단하게 채웁니다.

아래의 예제는 re_registers 구조체에 기록되는 정보를 보여줍니다. ('(' 와 ')'이 그룹오퍼레이터라고 하고, 문자열 string 에서 첫번째 문자의 인덱스를 0이라 하겠습니다.)

1. 정규표현식이 또다른 그룹을 포함하지 않는, i번째 그룹을 가지고 있다면, 함수는 'regs->start[i]' 에 그룹과 매칭하는 보조문자열의 시작 인덱스를 저장하고, 'regs->end[i]' 에는 보조문자열의 끝 인덱스를 저장합니다. 'regs->start[0]'과 'regs->end[0]' 에는 전체 패턴에 대한 정보가 들어갑니다. 예를 들면, 'ab' 에 대해 '((a)(b))' 를 매칭시킨다면, 다음의 결과를 얻을 것입니다.

   * 0 in `regs->start[0]' and 2 in `regs->end[0]' * 0 in `regs->start[1]' and 2 in `regs->end[1]' * 0 in `regs->start[2]' and 1 in `regs->end[2]' * 1 in `regs->start[3]' and 2 in `regs->end[3]'

2. 그룹이 반복오퍼레이터 등을 사용하여 한번보다 더 많이 매칭된다면, 함수는 마지막으로 매칭된 그룹에 대한 정보를 저장합니다. 예를 들면, 'aa' 에 대해 '(a)*' 를 매칭시킨다면, 다음의 결과를 얻을 것입니다.

   * 0 in `regs->start[0]' and 2 in `regs->end[0]' * 1 in `regs->start[1]' and 2 in `regs->end[1]'

   여기에서 그룹 1 은 '(a)' 이지만, 뒤의 '*' 오퍼레이터로 인해 'aa' 와는 1번초과 매칭되므로, 마지막에 매칭되는 'a'에 대한 인덱스를 기록합니다.

3. i번째 그룹이, 어떤 성공적인 매칭에 관여하지 않는다면, 반복오퍼레이터는 0번 반복을 허용하고, 함수는 'regs->start[i]' 와 'regs->end[i]' 를 -1로 채웁니다. 예를 든다면, 'b' 에 대해 '(a)*b' 를 매칭하는 경우는 다음의 결과를 얻을 것입니다.

   * 0 in `regs->start[0]' and 1 in `regs->end[0]' * -1 in `regs->start[1]' and -1 in `regs->end[1]'

   여기에서 1번째 그룹인 '(a)' 는 매칭에 관여하지 않기 때문에 'regs->start[1]'과 'regs->end[1]' 은 -1로 됩니다.

4. i번째 그룹이 길이가 0인 문자열을 매칭한다면, 함수는 regs->start[i] 와 regs->end[i] 를 "길이가 0인 문자열"의 인덱스로 설정합니다. 예를 든다면, 'b' 에 대해 '(a*)b' 를 매칭하는 경우는 다음의 결과를 얻을 것입니다.

   * 0 in `regs->start[0]' and 1 in `regs->end[0]' * 0 in `regs->start[1]' and 0in `regs->end[1]'

   여기에서 '(a*)b' 는 위의 '(a)*b' 와는 다릅니다. 1번째 그룹인 '(a*)'는 'b' 의 앞부분의 빈 문자열과 매칭이 되므로 regs->start[1]과 regs->end[1] 은 둘다 '0' 이 됩니다.

5. i번째 그룹이 j번째 그룹을 포함하고, j번째 그룹은 i번째 그룹에만 포함되는 경우, 함수는 i번째 그룹의 매칭을 기록하고, regs->start[j] 와 regs->end[j]에는 j번째 그룹과 마지막으로 매칭된 것에 대한 정보를 기록합니다.

   조금 햇갈리기 쉬운 경우인데, 예를 들어보지요.. 'abb' 에 대해 '((a*)b)*'를 매칭시키는 경우를 봅시다. regs->start[0] 과 regs->end[0] 은 당연히 전체 문자열의 정보를 가지므로 0(첫번째 문자 인덱스), 3(시작인덱스 + 길이로 보는 것이 좋을 듯..) 이됩니다.

   ((a*)b)* abb : 1번째 그룹 첫 매칭 (0, 2) ^^^^^^^ ^^ ((a*)b)* abb : 2번째 그룹 첫 매칭 (0, 1) ^^^ ^

   처음의 매칭에서, 1번째 그룹은 'ab' 와 매칭되고, 2번째 그룹은 'a'와 매칭됩니다.

   ^^^^^^^ ((a*)b)* abb : 1번째 그룹 둘째 매칭 (2, 3) ^ ^ ^^^ ((a*)b)* a b b : 2번째 그룹 둘째 매칭 (2, 2) ^ ^ (빈문자열)

   반복 오퍼레이터의 영향으로, 두번째 매칭에서, 1번째 그룹은 'b'와 매칭되고, 2번째 그룹은 마지막 'b' 의 바로 앞의 빈문자열과 매칭됩니다.

   따라서, 위의 'ㄴ' 규칙 (그룹이 반복오퍼레이터 등을 사용하여 한번보다 더 많이 매칭된다면, 함수는 마지막으로 매칭된 그룹에 대한 정보를 저장한다.) 에 따라, regs->start[1], regs->end[1] 에는 2, 3 이 각각 기록되며, 그룹1은 그룹 2를 포함하고 그룹2는 그룹1에만 포함되기 때문에, 마지막으로 매칭된 2번째 그룹의 기록값인 2, 2가 각각 regs->start[2] 와 regs->end[2] 에 각각 기록됩니다. 결과를 정리하면,

   * 0 in `regs->start[0]' and 3 in `regs->end[0]' * 2 in `regs->start[1]' and 3 in `regs->end[1]' * 2 in `regs->start[2]' and 2 in `regs->end[2]'

   'abb' 에 대해 '((a)*b)*' 를 매칭한다면, 그룹2(괄호안쪽의 '(a)') 는 마지막 매칭에 관여하지 않으므로 다음과 같은 결과를 얻습니다.

   * 0 in `regs->start[0]' and 3 in `regs->end[0]' * 2 in `regs->start[1]' and 3 in `regs->end[1]' * 0 in `regs->start[2]' and 1 in `regs->end[2]'

   조금 햇갈리는 분도 계실 것이고, 재미를 느끼는 분도 계실 것입니다. :)

6. 위와 같을 경우에, 매칭이 되지 않을 경우, 함수는 regs->start[i], regs->end[i]와 regs->start[j], regs->end[j] 를 모두 -1 로 설정합니다. 예를 들면, 'c' 에 대해 '((a)*b)*c' 를 매칭한다면, 다음의 결과를 얻을 것입니다.

   * 0 in `regs->start[0]' and 1 in `regs->end[0]' * -1 in `regs->start[1]' and -1 in `regs->end[1]' * -1 in `regs->start[2]' and -1 in `regs->end[2]'

   레지스터에 대한 이야기는 이걸로 마치겠습니다.

5.3.9. GNU 패턴버퍼를 free 하기

패턴버퍼에서 할당된 필드를 free 하기 위해서는 이전에 설명드린 POSIX 함수 (6.2.6 의 regfree) 를 사용할 수 있습니다. POSIX 에서 사용하는 regex_t 는 GNU 의 re_pattern_buffer 와 동일합니다. 패턴버퍼를 free 한 이후에는, 어떤 검색과 매칭작업을 다시 수행하려면, 정규표현식을 패턴버퍼로 다시 컴파일하여야 합니다.