如何使用Unicode处理PCRE？

Question

我正在使用VisualStudio2010通过PCRE进行一些正则表达式匹配。假设我在std::wstring中有一个模式和一个主题，如下所示：

std::wstring subject = L"サービス内容";
std::wstring pattern = L"ス内";

如你所见，我试图定位日语字符串，因此我需要使用PCRE的unicode变体，例如带有函数pcre16_exec或pcre32_exec的pcre16或pcre32等。

不幸的是，它不起作用。我的问题似乎是从wstring到无符号短整型或无符号整型的转换(取决于pcre16或pcre32)。我尝试了很多函数(wcstombs_s，使用QString进行字符串转换等)。但没有成功。exec函数的结果永远不会包含我期望的正确值。我不太确定哪里出了问题--使用简单的pcre函数与ansi字符串进行模式匹配工作得很好。下面是一段代码：

pcre16 *re;
const char *error;
int erroffset;
int ovector[30]; //The reult of the matching
int subject_length;
int rc;

std::wstring subjectstr = L"サービス内容";
std::wstring patternstr = L"ス内";
subject_length = 6;

const unsigned short pattern = ....// string conversion from patternstr
const insigned short subject = ....// string conversion from subjectstr

re = pcre16_compile(&pattern, PCRE_UTF16, &error, &erroffset, NULL);
rc = pcre16_exec(re, NULL, &subject, subject_length, 0, 0, ovector, 30);

有没有人可以给我一个关于如何用PCRE检测unicode模式的工作示例，或者解释一下哪里出了问题？我对自己感到恼火。

Answer 1

我找到了解决方案here。

关键是从wchar到const unsigned short (PCRE_SPTR16)的一个非常简单的转换。我的大脑一直在尝试使用更复杂的转换...简而言之，这是一个适用于任何可能感兴趣的人的工作示例。模式匹配的结果可以在subStrVec中找到：

pcre16 *reCompiled;
int pcreExecRet;
int subStrVec[30];
const char *pcreErrorStr;
int pcreErrorOffset;  

std::wstring pattern = L"容内容";
std::wstring subject = L"容容容内容容容";

const wchar_t* aStrRegex = pattern.c_str();
const wchar_t* line = subject.c_str();

reCompiled = pcre16_compile((PCRE_SPTR16)aStrRegex, PCRE_UTF8, &pcreErrorStr, &pcreErrorOffset, NULL);
pcreExecRet = pcre16_exec(reCompiled, NULL, (PCRE_SPTR16)line, wcslen(line), 0, 0, subStrVec, 30);

Answer 2

尝试使用c_str将std::wstrings转换为C字符串

const unsigned short *pattern = subjectstr.c_str();
const unsigned short *subject = patternstr.c_str();

另请注意，针对UTF-8、UTF-16和UTF-32的PCRE库有不同的版本。PCRE_UTF16标志仅适用于16位版本，反之亦然。