如何将pcre2_match与二进制主题数据一起使用

问题描述

我正在寻求有关使用pcre2_match的说明。

背景：我正在使用PCRE2在不区分大小写的二进制文件中搜索unicode文本片段。

此函数的声明：

int pcre2_match(const pcre2_code *code,PCRE2_SPTR subject,PCRE2_SIZE length,PCRE2_SIZE startoffset,uint32_t options,pcre2_match_data *match_data,pcre2_match_context *mcontext);

此功能的手册页然后指出：

长度和起始偏移量值是代码单位，而不是字符。

现在，当主题数据为二进制时，由于数据不一定采用任何干净的UTF格式，因此我无法确定代码单位。因此，我无法确定代码单位。

我所知道的是主题数据的字节数。而且似乎没有办法让我告诉函数它将查看二进制数据。

如何确保此函数理解我正在传递字节数，以便它不会尝试检测代码点，从而可能超过或缩短我要搜索的内存量？

解决方法

代码单位是输入的原子片段。至于pcre2_match_8，它是字节，pcre2_match_16，它是uint16_t，依此类推。如果传递无效的utf选项，则可以搜索二进制数据，但是只能从任何字节位置搜索utf8。如果您搜索utf16，它将从第二个字节开始搜索。自然对齐是cpu的要求，PCRE必须遵守。