Question

我有一个正则表达式，可以在大型代码库中搜索用作类型或变量的特定令牌的用法。假设令牌是“ foo”，我想自己将其作为作品。

我最初的正则表达式是这样：

foo$|foo\s|foo\[|foo\*|<foo|foo>

匹配项：一行末尾的foo，带空格的foo，foo指针，集合中的foo等...

我要排除实例，这些实例在C ++注释框中。例如下面的例子。

// consume the foo and read another.

我尝试使用负前瞻来修改正则表达式，但这似乎不起作用

(?!\/\/).*(foo$|foo\s|foo\[|foo\*|<foo|foo>)

任何人都知道如何在正则表达式中执行此操作吗？

更新：

我只想随意过滤掉目标模式之前可能有两个正斜杠的行。我不在乎嵌套注释，C样式注释（/ * * /）或跨多行的任何内容。

Answer 1

正则表达式不是最好的工具。

我已经编写了C到Delphi转换器（https://github.com/WouterVanNifterick/C-To-Delphi），在其中确实使用正则表达式执行某些任务，但是我的结论是，正则表达式并不是您要尝试的正确工具做。我可以说，因为我已经尝试过，并且决定放弃正则表达式，因为事情变得过于复杂，而事情却无法可靠地工作。

您可以快速创建在90％的情况下都可以使用的东西，但是如果您要正确处理嵌套的注释或看起来像注释的字符串，则解析是唯一的选择。

您不需要完整的C ++解析器。您需要遍历所有字符，并跟踪是否在/ * * /块，“”字符串块或//节中，然后执行所需的操作。

Answer 2

以下是您要查询的内容的正则表达式（在Perl中进行了测试）：

my $foo_regex = qr{
    \G
    (?>
        # // comment
        / (?: \\ \n )*+ / (?> \\ \n | [^\n] )*+
    |
        # /* comment */
        / (?: \\ \n )*+ \* (?> .*? \* (?: \\ \n )*+ / )
    |
        # 'c'
        ' (?: [^'\\\n] | \\ . )++ '
    |
        # "string"
        " (?: [^"\\\n] | \\ . )*+ "
    |
        # R"(raw string)"
        \b
        (?: (?> [LU] | u (?: \\ \n )*+ 8?+ ) (?: \\ \n )*+ )?+
        R
        (?: \\ \n )*+
        "
        (?: \\ \n )*+
        ( [^()\\\s]?+ )
        (?: \\ \n )*+
        ( [^()\\\s]?+ )
        (?: \\ \n )*+
        ( [^()\\\s]?+ )
        (?: \\ \n )*+
        ( [^()\\\s]?+ )
        (?: \\ \n )*+
        ( [^()\\\s]?+ )
        (?: \\ \n )*+
        ( [^()\\\s]?+ )
        (?: \\ \n )*+
        ( [^()\\\s]?+ )
        (?: \\ \n )*+
        ( [^()\\\s]?+ )
        (?: \\ \n )*+
        ( [^()\\\s]?+ )
        (?: \\ \n )*+
        ( [^()\\\s]?+ )
        (?: \\ \n )*+
        ( [^()\\\s]?+ )
        (?: \\ \n )*+
        ( [^()\\\s]?+ )
        (?: \\ \n )*+
        ( [^()\\\s]?+ )
        (?: \\ \n )*+
        ( [^()\\\s]?+ )
        (?: \\ \n )*+
        ( [^()\\\s]?+ )
        (?: \\ \n )*+
        ( [^()\\\s]?+ )
        (?: \\ \n )*+
        \(
        (?>
            .*?
            \)
            (?: \\ \n )*+
            \g{-16}
            (?: \\ \n )*+
            \g{-15}
            (?: \\ \n )*+
            \g{-14}
            (?: \\ \n )*+
            \g{-13}
            (?: \\ \n )*+
            \g{-12}
            (?: \\ \n )*+
            \g{-11}
            (?: \\ \n )*+
            \g{-10}
            (?: \\ \n )*+
            \g{-9}
            (?: \\ \n )*+
            \g{-8}
            (?: \\ \n )*+
            \g{-7}
            (?: \\ \n )*+
            \g{-6}
            (?: \\ \n )*+
            \g{-5}
            (?: \\ \n )*+
            \g{-4}
            (?: \\ \n )*+
            \g{-3}
            (?: \\ \n )*+
            \g{-2}
            (?: \\ \n )*+
            \g{-1}
            (?: \\ \n )*+
            "
        )
    |
        # / (not starting a comment)
        / (?! (?: \\ \n )*+ [/*] )
    |
        # identifier
        \w (?: (?: \\ \n )*+ \w )*+
    |
        # arbitrary other character
        [^/"'\w]
    )*?
    \b
    (
        f
        (?: \\ \n )*+
        o
        (?: \\ \n )*+
        o
    )
    (?!
        (?: \\ \n )*+
        \w
    )
}xms;

所考虑的并发症的概述：

"foo"，'foo'，// foo，/* foo */不是foo的出现，而是字符串文字，多字符常量，单行注释，并分别是一个块注释。
/* " */，// "，" /* "，'//'等分别是注释，注释，字符串文字和多字符常量。这意味着您不能分阶段过滤掉字符串文字，注释等。您必须一次性解析所有内容，以避免将带引号的构造的内容误认为另一个带引号的构造的分隔符。

反斜杠-换行符组合必须忽略（就像源文件中不存在它们一样）：

  /\
  * this is a comment */
  /\
  / and so is this
  foo\
  bar  // this is a single identifier, 'foobar'
  f\
  oo  // ... but this is 'foo'
  "this is a string\\
  " <- that's not the end of the string; this is: "

此正则表达式的大部分内容是R"delim(...)delim"格式的原始字符串文字，以及可散布在任何地方的任意反斜杠-换行符对。幸运的是，C ++指定了最多16个自定义分隔符字符的上限；否则，我们将不得不使用运行时代码执行/动态正则表达式生成。
不处理三元组。如果要添加支持，请首先将正则表达式中每次出现的\\更改为(?> \\ | \?\?/ )。

更新：出于简化的要求（在字符串中未在单词foo之前找到单词//的情况下，只需执行^(?:[^/]|/(?!/))*?\bfoo\b。

查找模式，但不在C ++注释中

2 个答案: