Question

我正在编写一个例程来从某些C＃代码中去除或行注释。我查看了网站上的其他示例，但没有找到我正在寻找的完全答案。

我可以使用RegexOptions.Singleline的正则表达式完整地匹配块注释（/ * comment * /）：

(/\*[\w\W]*\*/)

我可以使用RegexOptions.Multiline的正则表达式完整地匹配行注释（//注释）：

(//((?!\*/).)*)(?!\*/)[^\r\n]

注意：我使用[^\r\n]代替$，因为$在匹配中也包含\r。

然而，这并不像我想要的那样完全。

这是我正在匹配的测试代码：

// remove whole line comments
bool broken = false; // remove partial line comments
if (broken == true)
{
    return "BROKEN";
}
/* remove block comments
else
{
    return "FIXED";
} // do not remove nested comments */ bool working = !broken;
return "NO COMMENT";

块表达式匹配

/* remove block comments
else
{
    return "FIXED";
} // do not remove nested comments */

这很好，但行表达式匹配

// remove whole line comments
// remove partial line comments

和

// do not remove nested comments

另外，如果我在行表达式中没有两次* / positive前瞻，那么它匹配

// do not remove nested comments *

我真的不想要。

我想要的是一个表达式，它将字符（从//开始）匹配到行尾，但不在*/之间包含// }和行尾。

另外，为了满足我的好奇心，有人可以解释为什么我需要两次前瞻吗？ (//((?!\*/).)*)[^\r\n]和(//(.)*)(?!\*/)[^\r\n]都会包含*，但(//((?!\*/).)*)(?!\*/)[^\r\n]和(//((?!\*/).)*(?!\*/))[^\r\n]则不会。

Answer 1

两个正则表达式（用于块和行注释）都有错误。如果你想我可以描述错误，但我觉得如果我写新的错误可能会更有成效，特别是因为我打算写一个与之匹配的单一错误。

问题是，每当你有/*和//以及文字字符串相互“干扰”时，它总是首先以优先权开始。这非常方便，因为这正是正则表达式的工作方式：首先找到第一个匹配。

所以让我们定义一个匹配这四个标记中每一个的正则表达式：

var blockComments = @"/\*(.*?)\*/";
var lineComments = @"//(.*?)\r?\n";
var strings = @"""((\\[^\n]|[^""\n])*)""";
var verbatimStrings = @"@(""[^""]*"")+";

要回答标题中的问题（条带评论），我们需要：

用空格
用换行符替换行注释（因为正则表达式使用换行符）
将文字字符串保留在原来的位置。

Regex.Replace可以使用MatchEvaluator函数轻松完成此操作：

string noComments = Regex.Replace(input,
    blockComments + "|" + lineComments + "|" + strings + "|" + verbatimStrings,
    me => {
        if (me.Value.StartsWith("/*") || me.Value.StartsWith("//"))
            return me.Value.StartsWith("//") ? Environment.NewLine : "";
        // Keep the literal strings
        return me.Value;
    },
    RegexOptions.Singleline);

我在Holystream提供的所有示例和我能想到的各种其他案例上运行此代码，它就像一个魅力。如果您能提供失败的示例，我很乐意为您调整代码。

Answer 2

在实现之前，您需要先为其创建测试用例

简单评论/ * * /，//，///
多行注释/ *此\ n \ n \ n \ n \ n \ n * * /
代码行后的注释var a =“apple”; // test或/ * test * /
评论中的评论/ *这是一个测试 /，或者//这个/ 是一个测试* /
看似评论的简单非评论，并出现在引号中var comment =“/ *这是一个测试* /”，或者var url =“http://stackoverflow.com”;
复杂的非评论看起来像评论：var abc = @“this / * \ n是quote \ n * /”中的注释，“和/ *或* /和”之间有空格或没有空格

可能还有更多案例。

如果你拥有了所有这些，那么你可以为每个人创建一个解析规则，或者对其中的一些进行分组。

单独使用正则表达式来解决这个问题可能会非常困难且容易出错，难以测试，并且很难由您和其他程序员维护。

Answer 3

您可以使用如下表达式对代码进行标记：

@(?:"[^"]*")+|"(?:[^"\n\\]+|\\.)*"|'(?:[^'\n\\]+|\\.)*'|//.*|/\*(?s:.*?)\*/

它也会匹配一些无效的转义/结构（例如'foo'），但可能会匹配所有感兴趣的有效标记（除非我忘记了某些内容），因此适用于有效的代码。

在替换中使用它并捕获您想要保留的部分将为您提供所需的结果。即：

static string StripComments(string code)
{
    var re = @"(@(?:""[^""]*"")+|""(?:[^""\n\\]+|\\.)*""|'(?:[^'\n\\]+|\\.)*')|//.*|/\*(?s:.*?)\*/";
    return Regex.Replace(code, re, "$1");
}

Example app：

using System;
using System.Text.RegularExpressions;

namespace Regex01
{
    class Program
    {
        static string StripComments(string code)
        {
            var re = @"(@(?:""[^""]*"")+|""(?:[^""\n\\]+|\\.)*""|'(?:[^'\n\\]+|\\.)*')|//.*|/\*(?s:.*?)\*/";
            return Regex.Replace(code, re, "$1");
        }

        static void Main(string[] args)
        {
            var input = "hello /* world */ oh \" '\\\" // ha/*i*/\" and // bai";
            Console.WriteLine(input);

            var noComments = StripComments(input);
            Console.WriteLine(noComments);
        }
    }
}

输出：

hello /* world */ oh " '\" // ha/*i*/" and // bai
hello  oh " '\" // ha/*i*/" and

Answer 4

我在http://gskinner.com/RegExr/找到了这个（名为“.Net Comments aspx”）

(//[\t|\s|\w|\d|\.]*[\r\n|\n])|([\s|\t]*/\*[\t|\s|\w|\W|\d|\.|\r|\n]*\*/)|(\<[!%][ \r\n\t]*(--([^\-]|[\r\n]|-[^\-])*--[ \r\n\t%]*)\>)

当我测试它时，它似乎删除了所有//注释和/ *注释* /，因为它应该留在引号内。

没有对它进行过多次测试，但似乎工作得很好（即使它是一个可怕的可怕的正则表达式）。

Answer 5

另请参阅我的C＃代码缩小项目：CSharp-Minifier

除了从代码中删除注释，空格和换行符之外，目前它还能够压缩局部变量名称并进行另一次缩小。

Answer 6

对于块注释（/ * ... * /），您可以使用此exp：

/\*([^\*/])*\*/

它也适用于多行注释。

正则表达式从C＃剥离行注释

6 个答案: