C 語言正則表達式實戰：電話號碼與日期時間提取完整解決方案

專案架構：POSIX Regex API

• <regex.h>：標準 C 正則庫（POSIX.2），支援擴展正則語法（ERE）
• 核心函數：regcomp 編譯、regexec 匹配、regfree 釋放
• 匹配結果：regmatch_t 陣列記錄捕獲組起止位置 rm_so/rm_eo

電話號碼提取：中國大陸通用規則

正則模式設計

// 擴展正則語法（ERE）
(([0-9]{11})|((400|800)([0-9\\-]{7,10})|(([0-9]{4}|[0-9]{3})(-| )?)?([0-9]{7,8})((-| |轉)*([0-9]{1,4}))?))

涵蓋類型

日期時間提取：中文格式標準化

兩階段匹配策略

1. 日期：[0-9]{2,4}(-|/|年)[0-9]{1,2}(-|/|月)[0-9]{1,2}
2. 時間：[0-9]{1,2}:[0-9]{1,2}(:[0-9]{1,2})?

解析邏輯：分隔符自適應 + 統一格式化輸出

• 檢測分隔符：-、/、年/月
• 提取年/月/日，兩位數年份自動補 2000+
• 提取時/分/秒，秒可選預設 0
• 統一輸出：YYYY-MM-DD HH:MM:SS

核心工具函數

// 子串提取：[pos, pos+len)
char* substr(const char* str, int pos, int len) {
    char* sp = malloc(len + 1);
    for (int i = 0; i < len; ++i) sp[i] = str[pos + i];
    sp[len] = '\0';
    return sp;
}

// 正向查找子串位置
int find(const char* src, const char* target) { /* 朴素 O(nm) 實現 */ }

// 反向查找子串位置
int rfind(const char* src, const char* target) { /* 從右向左 */ }

完整 API 介面

// phone_extract.h
int phone_extract(const char* str, char** phone);      // 返回 0 成功，*phone 需 free()
int datetime_extract(const char* str, char** datetime); // 返回 0 成功，格式 YYYY-MM-DD HH:MM:SS

使用範例

#include "PhoneDateExtract.h"
#include <stdio.h>
#include <stdlib.h>

int main() {
    char* phone = NULL;
    phone_extract("電話：800-2142-325", &phone);
    printf("phone = [%s]\n", phone); // [800-2142-325]
    free(phone);

    char* dt = NULL;
    datetime_extract("2011年3月7日 14:03", &dt);
    printf("datetime = [%s]\n", dt); // [2011-03-07 14:03:00]
    free(dt);
    return 0;
}

編譯與鏈接

gcc test.c PhoneDateExtract.c -o test -lregex
# 某些系統需顯式鏈接 -lregex

關鍵技術點與避坑指南

1. ERE vs BRE：regcomp(..., REG_EXTENDED) 啟用擴展正則（支援 {m,n}、|、() 等），否則為基本正則（需轉義）。
2. 記憶體管理：regmatch_t 給出位置，必須手動 substr 複製並 free；輸出緩衝區同樣需調用方 free。
3. 匹配貪婪性：POSIX 正則預設貪婪（最長匹配），[0-9]* 會吃盡可能多數字。
4. 中文字元處理：正則按位元組匹配，UTF-8 下 年 佔 3 字節，模式中直接寫 年 需原始碼編碼一致，或用十六進制 \\xE5\\xB9\\xB4。
5. 效能考量：頻繁調用請緩存 regex_t 編譯結果，避免重複 regcomp。
6. 錯誤處理：regcomp/regexec 非零返回碼需用 regerror 獲取錯誤訊息。

擴展方向

• 支援更多電話格式：國際碼 +86、括號區號 (010)
• 日期支援相對時間：今天、明天、下週一
• 引入 PCRE2 庫：支援 Perl 相容正則（非貪婪 .*?、前瞻/後顧、遞歸），功能更強
• 封裝為 C++ 類：RAII 管理 regex_t，提供流式介面