使用正則表達式去除註釋

Question

我正在構建一個解析器，並且我想從各行刪除註釋。例如，

variable = "some//thing" ////actual comment 

評論標記是//。在這種情況下，variable將包含"some//thing"，其他所有內容都將被忽略。我打算用正則表達式替換它。目前我正在使用(".*"|[ \t])*(\/\/.*)作爲正則表達式。但是替換完全替換"some//thing" ////actual comment。

我找不到我應該使用的正則表達式。謝謝你的幫助。

其他信息 - 我使用C＃與netcoreapp 1.1.0

編輯 - 某些情況下可能是一個線與就像//line comment評論。字符串也可能包含轉義引號。

Answer 1

這是醜陋的正則表達式模式。我相信它會運作良好。我已經嘗試了每個我能想到的病理學示例，包括包含語法錯誤的行。例如，引用的字符串含有太多的引號或太少，或者具有雙重轉義引號，因此，而不是轉義。並且在評論中引用了字符串，在我想提醒自己可以選擇時，我已經知道這些字符串。

，它絆倒了唯一的一次是，如果有一個看似引號字符串中雙斜槓，不知何故該字符串格式錯誤，雙斜槓合法結束的正確引用部分的外側。在語法上，它使得它成爲一個有效的評論，儘管不是程序員的意圖。所以，從程序員的角度來看，這是錯誤的，但根據規則，這真的是一個評論。意思是，這種模式似乎只是絆倒了。

使用時，模式將返回行的非註釋部分。該模式中有一個換行\n以允許將其應用於整個文件。如果您的系統以某種其他方式解釋換行符，例如\r或\r\n，則可能需要修改。要在單行模式下使用它，如果您選擇，可以將其刪除。多行版本中的字符是17和18中的一行，並且是第五行，第六和第七個打印字符。但是，您可以放心地將其留在那裏，但是，與單行模式不同的是，它在多行模式下會返回一行換行符，換行符爲空白，或者在第一列開始註釋。如果將結果寫入新文件，這將保持原始版本和規定版本中的行號相同。使比較容易。

一個主要警告此模式：它使用一個分組構造，在正則表達式引擎中具有不同程度的支持。我相信在這裏使用，看看，只有.NET和PCRE引擎纔會接受YMMV。這是一種高等教育類型：(?(_condition_)_then_|_else_)。 _condition_模式被視爲零寬度斷言。如果模式匹配，則在嘗試匹配中使用_then_模式，否則使用_else_模式。如果沒有這種構造，這個模式就會變得不尋常，並且在我的一些病理測試案例中仍然沒有成功。

這裏介紹的模式是因爲它需要由正則表達式引擎來看。我是而不是是C＃程序員，所以我不知道轉義引用字符串的所有細微差別。將這個模式放入你的代碼中，這樣所有的反斜槓和引號都可以被正則表達式引擎正確地看到。也許C＃與Perl的heredoc語法相同。

這是使用一線狀圖案：

^((?:(?:(?:[^"'/\n]|/(?!/))*)(?("(?=(?:\\\\|\\"|[^"])*"))(?:"(?:\\\\|\\"|[^"])*")|(?('(?=(?:\\\\|\\'|[^'])*'))(?:'(?:\\\\|\\'|[^'])*')|(?(/)|.))))*) 

如果你想使用忽略模式空白選項，您可以使用此版本：

(?x) # Turn on the ignore white space option 
^(# Start the only capturing group 
    (?: # A non-capturing group to allow for repeating the logic 
     (?: # Capture either of the two options below 
      [^"'/\n] # Capture everything not a single quote, double quote, a slash, or a newline 
      | # OR 
      /(?!/) # Capture a slash not followed by a slash [slash an negative look-ahead slash] 
     )* # As many times as possible, even if none 
     (?(" # Start a conditional match for double-quoted strings 
       (?=(?:\\\\|\\"|[^"])*") # Followed by a properly closed double-quoted string 
      ) # Then 
      (?:"(?:\\\\|\\"|[^"])*") # Capture the whole double-quoted string 
      | # Otherwise 
      (?(' # Start a conditional match for single-quoted strings 
       (?=(?:\\\\|\\'|[^'])*') # Followed by a properly closed single-quoted string 
       ) # Then 
       (?:'(?:\\\\|\\'|[^'])*') # Capture the whole double-quoted string 
       | # Otherwise 
       (?([^/]) # If next character is not a slash 
       .) # Capture that character, it is either a single quote, or a double quote not part of a properly closed 
      ) # end the conditional match for single-quoted strings 
     ) # End the conditional match for double-quoted strings 
    )* # Close the repeating non-capturing group, capturing as many times as possible, even if none 
) # Close the only capturing group 

這使你的代碼來解釋這個怪物，這樣當其他人看着它時，或者在幾個月內你必須自己處理它時，就沒有WTF時刻。我認爲這些評論可以很好地解釋它，但隨意以任何方式改變它們。

如上所述，條件匹配分組的支持有限。它會失敗的一個地方是您在之前的評論中鏈接到的網站。由於您使用的是C＃，因此我選擇在.NET Regex Tester中執行測試，該測試可以處理這些構造。它也包含一個很好的參考。鑑於正確的選擇，您可以測試以上任一版本，並進行實驗。考慮到它的複雜性，我建議在某處測試它，以對照來自文件的數據，以及任何你可以想象的邊緣病例和病理測試。

只是爲了兌換這個小小的模式，測試電子郵件地址的方式有一個更大的模式，即78列81行，並有幾十個字符可用。 （其中我不是建議使用，或任何其他正則表達式，測試電子郵件地址。工作錯誤的工具。）如果你想嚇倒你自己，請在ex-parrot網站上看看它。我沒有任何關係！

Answer 2

"[^"\\]*(?:\\[\W\w][^"\\]*)*"|(\/\/.*)

標誌：全球

匹配滿弦或評論。

第1組：評論。

因此，如果沒有評論，請用相同的匹配文本替換。否則，請在評論本身上做你的事情。