Question

我有html文本和编程代码（Generic），没有任何区别或标记。有一种方法可以为代码的开头和结尾添加标记，适用于任何编程代码吗？

例如：

start message

Hello this is an example

int main(){ 
char word1[21],word2[21]; 
int first; 
printf("Type in the first word (maximum 20 characters):\n"); 
scanf("%20s",word1); 

other text

ends

我想获得：

Hello this is an example

'''

int main(){ 
char word1[21],word2[21];  
int first; 
printf("Type in the first word (maximum 20 characters):\n"); 
scanf("%20s",word1); 

'''

other text

Answer 1

让我试试答案：

在您给出的限制范围内（无），这是不可能的。

如果您对期望的编程语言以及期望的其他非编程文本（语言，科学，街头语言）没有限制，并且您也完全没有分隔符，则无法区分这两种。

问题是那里有编程语言可能看起来非常像普通文本 - 特别是如果样本量很小。

如果您有十几行Tcl或Rebol，您可以对此进行统计分析。标点符号和特殊字符与普通文本的预期（低）值。如果代码总是通过新段落或至少换行符号与文本分开，则这种方式尤其有效。

但即便如此，这真的很难。一个REBOL example：

REBOL [
    Title: "REBOL/Services Simple Example"
    Author: "Carl Sassenrath"
    Version: 1.0.0
]
url: http://www.rebol.net/cgi-bin/services.r
print "Loading client..." ; Used until it is built-into REBOL
do http://www.rebol.net/rebservices/client.r
print "Sending command..."
result: do-service url [info]
print ["Result:" mold/only result]
ask "Done."

以上段落非常类似于带有脚注[info]和url引用的科学文本。

也许html中的代码前后总是有 或？

然而，对于非常短的代码片段，这样的分析可能会失败。您的html也可能包含非常接近编程语言的文本。将数学方程式或公式与Lisp或R

等内容进行比较

x <- c(10.4, 5.6, 3.1, 6.4, 21.7)

上述与数学主题的论文有何不同？

所以你必须妥协。

一些方法：

限制检测到的编程语言的数量（可能是“神秘的”，使用许多特殊字符，如Perl，C（大括号）或Python（缩进和冒号））
将标记添加到html或接受 ，或甚至只是\n是有效的分隔符。当然html包含<verbatim>或其他标签来分隔代码？

然后对

进行一些统计分析

特殊字符的使用，
更改缩进级别，
行长度的变化，
正在使用的唯一字数
重复单词（命令和变量名称可能比文本中的普通单词重复）
语言标记（代码中很少见，但经常用于语言）

在整个文本中查找编程代码的开始和结束

1 个答案: