正则表达式 - 阻止评论以优化单个评论

Question

优化？

我在使用以下正则表达式时遇到问题：

/^s*(/?*{1,2}(s*(b.*b)s*(*/)?)?|*/?s*)$/g

我想知道我是否可以改善这个表达方式？另外，如果有人能发现这个表达式有问题，你能注意一下吗？这是我的现场演示。它适用于我在下面设置的所有条件

测试约束

这些匹配

/**
/*
*
*/
/** Javadoc */
/* Block */
* Multi-line 
/* Single Line */
/** A
/** A */
/* A
/* A */

这些不应该

7 * 8
// Regular comment

结果

将匹配替换为：// $3

我成功地转换了它们，尽管其中一些有尾随的空白：

// 
// 
// 
// Javadoc
// Block
// Multi-line
// Single Line
// A
// A
// A
// A

正则表达式解释

/
^            Line start
s*          0 or more white-space
(            Start group 1
   /?        forward-slash (OPTIONAL)
   *{1,2}   1 to 2 asterisks
   (         Start group 2
      s*    0 or more white-space
      (      Start group 3
         b  Start word boundry
         .*  0 or more of anything
         b  End word boundry
      )      End group 3
      s*    0 or more white-space
      (      Start group 4 (OPTIONAL)
         *  0 or more asterisks
         /   Forward-slash
      )?     End group 4
   )?        End group 2 (OPTIONAL)
     |       OR
   *        Asterisk
   /?        Forward-slash (OPTIONAL)
   s*       0 or more white-space
)            End group 1
$            Line end
/            
g            Global; match all

Answer 1

当您必须考虑字符串嵌入、转义和行延续时，解析 C/C++ 样式注释会稍微复杂一些。

这还需要单字符消耗直通方法(在检查所有其他方法之后(。既然如此，在众多可能的匹配交替中，您只参与一项 - C 样式评论/* */。

因此，在全局搜索和大量匹配的情况下，只有一个匹配项会让您休息，例如捕获组 1 匹配项。当然，在您的情况下，简单的更换不会削减它。

因此，您必须处于全局查找(但不是替换(循环中。每个匹配项都将是源字符串的一部分，不会跳过任何部分，因此每个匹配项都将附加到目标字符串中。

在循环期间，当捕获组 1 匹配(C 样式注释(时，您可以执行不那么简单的替换以使其成为注释C++，然后将该结果附加到目标字符串。

这就是它的要点。如果您使用的任何语言都无法做到这一点，那么它就无法正确完成，这是肯定的！

以下是执行转换为//的正则表达式列表，当您捕获 C 样式注释时，它们必须按出现顺序执行(例如，符号是 Perl(：

 # s{ ^  /*     (?: [^Sn] | *)*       }{// }xmg;
 # s{ ^          (?: [^Sn] | *)* */ $ }{// }xmg;
 # s{ ^                                 $ }{// }xmg;
 # s{ ^          (?: [^Sn] | *)+       }{// }xmg;
 # s{ (?<![s*]) (?: [^Sn] | *)+     $ }{}xmg;
 # s{ (?<![s*]) (?: [^Sn] | *)* */ $ }{}xmg;

这是在查找循环中使用的正则表达式(如上所述(。这个正则表达式可以在任何 Perl 新闻组找到，它是常见问题解答的一部分。

    # (?:(/*[^*]**+(?:[^/*][^*]**+)*/)|//(?:[^\]|\n?)*?n)|(?:"(?:\[Ss]|[^"\])*"|'(?:\[Ss]|[^'\])*'|[Ss][^/"'\]*)
    # -----------------------------------------------------------------

    (?:                             # Comments 
         (                               # (1 start)
              /*                             # Start /* .. */ comment
              [^*]* *+
              (?: [^/*] [^*]* *+ )*
              /                               # End /* .. */ comment
         )                               # (1 end)
      |  
         //                              # Start // comment
         (?: [^\] | \ n? )*?          # Possible line-continuation
         n                              # End // comment
    )
 |  
    (?:                             # Non - comments 
         "
         (?: \ [Ss] | [^"\] )*       # Double quoted text
         "
      |  '
         (?: \ [Ss] | [^'\] )*       # Single quoted text
         ' 
      |  [Ss]                          # Any other char
         [^/"'\]*                       # Chars which doesn't start a comment, string, escape,
                                         # or line continuation (escape + newline)
    )