匯編版正則表達(dá)式  作者：AoGo 于2008-1-17上傳

--------------------------------------------------------------------------------
     本文相關(guān)的例子:下載>>> 
    我們今天要學(xué)習(xí)的這個(gè)正則表達(dá)式庫，是我使用匯編語言編寫的一個(gè)表達(dá)式庫，它是以 EditPlus的表達(dá)式功能為參照并增強(qiáng)一些符號(hào)而編寫的，目前已經(jīng)開源，如果有需要可以參考一下代碼改進(jìn)一下。
    首先，你要下載這個(gè)庫：http://www.aogosoft.com/download/explib.rar
    或者，源代碼包含例子：http://www.aogosoft.com/sample/Src_Express.rar

    如果你是使用MASMPlus，那就不需要再下載， MASMPlus中已經(jīng)帶有這個(gè)庫，不過因?yàn)闆]有例子程序，還是推薦從上面的鏈接中下載完整的包含例子的版本。
與通用而強(qiáng)大的正則表達(dá)式庫相比，這個(gè)庫優(yōu)點(diǎn)：
    1．     體積小，以庫文件方式發(fā)布，引用到程序中只占用1 - 2K的大小；
    2．     功能強(qiáng)，因?yàn)闆]有預(yù)處理與編譯，不需要占用內(nèi)存；
    3．     把查找目標(biāo)當(dāng)成一行處理因而使用簡(jiǎn)單。
缺點(diǎn)是：
    1．     復(fù)雜的表達(dá)式查找性能比其它表達(dá)式庫低；
    2．     個(gè)別特定的復(fù)雜表達(dá)式查找無法實(shí)現(xiàn)，如查找指定數(shù)目的某個(gè)表達(dá)式

    另外，目前的這個(gè)表達(dá)式庫中有一個(gè)Bug，符號(hào)*在搜索時(shí)，如果有結(jié)束條件，但是第一個(gè)字符就是結(jié)束條件時(shí)，*會(huì)首先匹配前綴，如：
    在字符串”abc”中搜索”%*[a]

    正確的結(jié)果應(yīng)該是沒有匹配，上面的表達(dá)式意思是：在目標(biāo)中查找單詞字符，直到碰到字符a，并不把a(bǔ)放入匹配范圍。因?yàn)閎ug，上面的表達(dá)式首先判斷了a，再去判斷下一個(gè)字符的結(jié)束條件。結(jié)果是這個(gè)表達(dá)式與”%+[a]”的結(jié)果是一樣的了。這種情況只發(fā)生在第一個(gè)字符就是表達(dá)式結(jié)束條件的時(shí)候。
    同時(shí)，為了能夠讓使用者熟悉與方便使用，這個(gè)庫中加了很多影響性能的代碼，如果表達(dá)式有錯(cuò)，庫函數(shù)會(huì)返回詳細(xì)出錯(cuò)的位置，這就意味著在分析表達(dá)式并查找時(shí)，需要對(duì)可能出錯(cuò)的表達(dá)式符號(hào)進(jìn)行檢查，從而影響性能，下一版本的表達(dá)式庫，會(huì)包含兩個(gè)版本的搜索函數(shù)，一個(gè)是學(xué)習(xí)用，一個(gè)是去掉了檢查代碼的實(shí)用函數(shù)。同時(shí)會(huì)修正上面所說的Bug。

    這個(gè)庫中只有一個(gè)函數(shù)，就是表達(dá)式搜索：

ExpressSearch：
    lpCharTable    ;字符表，一個(gè)字符是單詞還是字詞分隔符，由這個(gè)表來定義
                ;0表示使用默認(rèn)值
    lpStart        ;查找目標(biāo)的開始地址
    lpEnd        ;目標(biāo)的結(jié)束地址
    lpExpress        ;表達(dá)式的地址
    lpOut        ;輸出結(jié)果的數(shù)組字址
    lpiCount        ;數(shù)組大小與返回結(jié)果的數(shù)量
    EF_*        ;查找的方法標(biāo)志 

lpCharTable，指向一個(gè)字符表，內(nèi)部默認(rèn)的字符表已經(jīng)輸出為Public，可以在程序中直接使用: Extrn DefCharTable :DWORD來引用，它是一個(gè)256個(gè)DWORD的數(shù)組，直接修改即可，或復(fù)制一份，再使用ExpressSearch時(shí)，把地址傳給這個(gè)參數(shù)，修改時(shí)，首先參照以下標(biāo)志：

CF_WORD equ 1h        ;單詞
CF_NUMBER equ 2h        ;數(shù)字
CF_HEX    equ 4h        ;十六進(jìn)制
CF_BIN equ 8h        ;二進(jìn)制
CF_UPCHAR equ 10h        ;大寫字符
CF_LOWCHAR equ 20h        ;小寫字符
CF_COMMENT equ 40h        ;注釋字符
CF_COMMENTEND equ 80h        ;注釋第二個(gè)字符
CF_TAB equ 100h        ;語法線對(duì)齊符
CF_SPACE equ 200h        ;空格
CF_ENTER equ 400h        ;回車
CF_WARP equ 800h        ;換行符
CF_MATCH equ 1000h        ;包含符,如雙引號(hào)
CF_SELFMATCH    equ 2000h        ;包含符,如單引號(hào)
CF_INVALID    equ 40000000h        ;無效/無意義字符字符
CF_DOUBLEBYTE equ 80000000h        ;中文字符首 


    比如，你要把符號(hào)&當(dāng)成一個(gè)字符，可以這樣：
    or dword ptr DefCharTable[‘&’*4]，CF_WORD

    如果要把符號(hào)@當(dāng)成字詞分隔符，這樣：
   and dword ptr DefCharTable[‘&’*4]，not CF_WORD

    修改之后，表達(dá)式搜索會(huì)立即使用新的標(biāo)志進(jìn)行判斷。如果復(fù)制了多份，可以針對(duì)不同的查找定義不同的字符表，而不需要苦惱，復(fù)制可直接申請(qǐng)內(nèi)存并復(fù)制：

invoke LocalAlloc,LMEM_FIXED,256
mov lpCharTable,eax
invoke RtlMoveMemory,eax,offset DefCharTable,256 

    同時(shí)，表達(dá)式只使用到了很少的這些標(biāo)志，其它的標(biāo)志，是提供給用戶使用的，比如，搜索返回一個(gè)結(jié)果，如果要判斷它們是否是數(shù)字，只需依次判斷：


lea esi，結(jié)果字符串
movzx eax，byte ptr [esi]
.if dword ptr DefCharTable[eax*4] & CF_ NUMBER
    ;是數(shù)字字符
.endif 

參數(shù)EF_*
    是指定表達(dá)式搜索行為的一些標(biāo)志控制位，如下：

EF_DEC 表示從后往前搜索，此時(shí)，lpStart與lpEnd是相反的，同時(shí)，向前搜索時(shí)，中文字符將無法正確識(shí)別，請(qǐng)一定注意。 
EF_USEEXPRESS 使用表達(dá)式，如果沒有些標(biāo)志，將使用普通的搜索方法，這樣速度是很快的，因?yàn)檫@個(gè)表達(dá)式搜索庫中有專門針對(duì)普通搜索的函數(shù)，速度當(dāng)然比表達(dá)式快，所以如果只是普通搜索，請(qǐng)不要包含此標(biāo)志。 
EF_WORDCASE 默認(rèn)不區(qū)分大小寫，包含此標(biāo)志，將區(qū)分大小寫。 
EF_MATCHWORD 匹配整個(gè)表達(dá)式，也就是結(jié)果范圍的字串，最前一個(gè)字符與最后一個(gè)字符與相鄰的字符必須不是相同字符表定義的字符。 
EF_BEGINNOTLINEBEGIN 開始位置不是行首，如果是從一個(gè)結(jié)果中再搜索，目標(biāo)首是緊跟著上一次搜索內(nèi)存地址，可包含此標(biāo)志，表示第一個(gè)字符位置不是行首。否則會(huì)當(dāng)成行首對(duì)待。另外，表達(dá)式搜索函數(shù)庫，行首行尾是以0D0A定義的，如果搜索目標(biāo)中包含0D或0A，會(huì)當(dāng)成行尾與行首對(duì)待。 
EF_ENDNOTLINEEND 結(jié)束位置不是行尾，同上。 
EF_ENDISSIZE 表示lpEnd不是地址，而是查找目標(biāo)的長(zhǎng)度。 
EF_FINDONCE 只查找一次，如在“abc”中查找”b”,包含此標(biāo)志時(shí)失敗，因?yàn)橹槐容^了一次，也就是a與b，就結(jié)束了。通常用于在結(jié)果中獲得特定位置的字符。 
EF_MODIFLINESTARTEND 查找結(jié)束后，如果是以^開頭或$結(jié)束，將選擇0D與0A字符，包含此標(biāo)志，將自動(dòng)去掉這兩個(gè)字符。 
EF_DOUBLEISWORD 中文字符也是單詞，包含此標(biāo)志，使用%號(hào)時(shí)，會(huì)自動(dòng)匹配。 
EF_RANGENOTCASE 表達(dá)式[]中總是區(qū)分大小寫，有些時(shí)候，整個(gè)表達(dá)式不需要區(qū)分大小寫，而[]中卻需要區(qū)分時(shí)，包含此標(biāo)志。 

表達(dá)式查找時(shí)有可能發(fā)生的錯(cuò)誤:


EFERR_NOTCONST 沒有常數(shù)定義 
EFERR_EXPNOTSUPPORT 不能這樣使用符號(hào) 
EFERR_NOTCLOSEBRACKET 沒有關(guān)閉括號(hào) 
EFERR_EMPTYEXPRESS 空的表達(dá)式,()/[]/{}/<> 
EFERR_NOTEXISTEXP 多余的表達(dá)式結(jié)束符,請(qǐng)使用\],\),\>等等 
EFERR_NOTBYONSELF 表達(dá)式符號(hào)不能單獨(dú)使用 
EFERR_NOTLOOPEND 對(duì)于?*/?+必須設(shè)置結(jié)束條件,同時(shí),*/+對(duì)于?來說是一樣的 
EFERR_DEADLOOP 在使用*/+的表達(dá)式里面的整個(gè)表達(dá)式均是可忽略的,如(.*)+,因?yàn)?*總是成功
后面的+要求成功時(shí)繼續(xù),這是一個(gè)死循環(huán). 
EFERR_INVALIDEXP 無效表達(dá)式,如整個(gè)表達(dá)式就是 %*,因?yàn)?是可忽略符號(hào),則上述表達(dá)式總是成功 

下面，我們開始使用表達(dá)式搜索函數(shù)，表達(dá)式符號(hào)如下：

? 一個(gè)任意字符 
. 一個(gè)空格或制表符 
, 一個(gè)字詞分隔符(包含.) 
% 一個(gè)單詞字符,字符是否是一個(gè)單詞以字符表來定義 
*<>|[] 0或更多,如果有結(jié)束條件,是直到[結(jié)束條件],如:?*<=>,直到碰到=號(hào) 
+<>|[] 1或更多,如果有結(jié)束條件,是直到[結(jié)束條件],如:?+<=>,直到碰到=號(hào) 
# 轉(zhuǎn)義符,后面跟十六進(jìn)制數(shù),如#0D表達(dá)回車符號(hào)。#?表示中文字符 
\ 字符,中間的字符是實(shí)際符號(hào) 如.表示空格制表符\.表示一個(gè)"." 
[-] 在范圍內(nèi) [a-b],或者清單,[abcdef],表達(dá)式符號(hào)仍然使用\來轉(zhuǎn)換,如()/<>/{}/[] 
" " " "內(nèi)包含的必須完全一樣,不區(qū)分大小寫，不會(huì)理會(huì)是否包含EF_WORDCASE 
' ' ' '與" " 的區(qū)別在于' '區(qū)分大小寫，不會(huì)理會(huì)是否包含EF_WORDCASE 
( ) 表達(dá)式,可嵌套,嵌套層次數(shù)無限制 
{ } 標(biāo)記并返回{}所包含的區(qū)域,可用在任何表達(dá)式內(nèi). 
| 或者,支持任意表達(dá)式成員組合,如:(.)|(a)|((.*)|(%+)) 
!() 條件取反,取反條件必須使用表達(dá)式包含 
^ 行首 
$ 行尾 

我們來從例子進(jìn)行分析：

;MASMPlus 代碼模板 
.386
.Model Flat, StdCall
Option Casemap :None

Include windows.inc
Include user32.inc
Include kernel32.inc
Include gdi32.inc
include express.inc             ;MASMPlus已經(jīng)自帶了這個(gè)表達(dá)式庫。可以直接使用

includelib express.lib        ;引用庫文件
includelib gdi32.lib
IncludeLib user32.lib
IncludeLib kernel32.lib
include macro.asm