確定給定的文本是否爲C代碼

我正在嘗試構建一個Linux內核級防火牆，並且需要在其中創建一個DLP（數據丟失防護）層。確定給定的文本是否爲C代碼

我需要確定一個電子郵件（通過SMTP發送）是C代碼還是純文本。代碼不一定是一個完整的程序，所以我將無法使用編譯器來完成此任務。

例如，下面的代碼應該被抓：

if (variable == true) { printf("The statement is true\n"); }

有什麼建議？

2015-08-08 Tomer Amir

非常困難，而de依賴於你可以接受的變化範圍。那麼，爲什麼你不指定你可以得到什麼樣的輸入！ –

它應該是純文本或部分C代碼...這是我收到的規範... –

這是一個愚蠢的/不可能的規範，因爲然後'f（變量==真）{printf（「The'也是部分C代碼。你明白我的意思嗎？！ –

如果是'聲明'，我會建議得到一個（Lex/Yacc）C語法分析器。將解析器置於'期望聲明狀態'並運行它。如果你沒有得到錯誤，你知道它是有效的。

根據你得到的解析器，你可能不得不去掉很多代碼;像符號表查找/檢查什麼時候遇到一個變量，......但是如果有（幾乎）準備好的裸機實現，我不會感到驚訝。

您也可以下載一個純粹的C Lex和Yacc規範，並在其周圍編寫一些代碼以使其工作;這並不困難。但它確實需要大量的努力來解決它。

2015-08-08 12:52:19

我已經將編譯器的一部分編譯爲詞法分析器，這種可疑的樂趣，我希望有一種不同的方式，但似乎沒有很好的解決方法......謝謝！ –

我能想象的唯一其他方向是文本/詞語分析，就像他們用自然語言進行分析一樣，然後導致概率。但是，這對於編程語言來說很難（如果完全不能的話）工作，並且這種方法需要一個好的輸入數據集。 –

對於一個更通用代碼VS文本分類你也可以嘗試以下任何一項：

2015-08-10 10:51:21 krisku

回答