在 C 代码中提取字符串的正则表达式（不在注释内）

Posted 2023-02-21

【中文标题】在 C 代码中提取字符串的正则表达式（不在注释内）

【英文标题】：Regular expression to extract string in C Code (not inside comment)

【发布时间】：2014-06-15 15:29:51

【问题描述】：

我在 C 中有这段代码，但我只知道如何使用不在注释代码中的正则表达式提取字符串：

1. /*  * "path_build()" function in "home.c" for more information.  
2. * this is an example basic"
3. */
4.
5. /*** Free ***/ 
6. VALOR = string_make(format("%sxtra", libpath)); 
7. event_signal_string(EVENT_INITSTATUS, "Inicializando...");

应该只返回：

"%sxtra" 
"Inicializando..."

我试试：

".*"

但它不起作用，它显示“”内的所有文本，包括 /*...*/ 内的字符串

我使用 EditPag Pro，RegExp 面板。 这是一个游戏翻译项目，我把每个 C 文件的字符串翻译成西班牙语。我无法删除原始文件的 cmets。

我唯一清楚的是，这是在 C 中查找 cmets 的正则表达式，也许这将有助于解决方案：

(/\*([^*]|[\r\n]|(\*+([^*/]|[\r\n])))*\*+/)|(//.*)

有什么帮助吗？

编辑：我输入了行数。

【问题讨论】：

你确定你想让正则表达式做所有这些吗？相反，请考虑 1：删除 cmets。 2：使用正则表达式。

1.删除 cmets。 2.提取"blablabla"。

还应注意".*" 不是获取字符串中所有文本的好方法，即使您删除了 cmets。如果你有类似"blah", variable_name, "more blah" 的东西，这将返回从第一个开始" 到第二个结束" 的所有内容

对于初学者来说，匹配 C 多行注释块的更好的正则表达式是：/\*[^*]*\*+(?:[^*/][^*]*\*+)*/（取自Mastering Regular Expressions (3rd Edition)）（参见：Improving/Fixing a Regex for C style block comments

【参考方案1】：

Hernaldo，这是一个有趣的问题。

这里有两个版本，因为我不确定你是要捕获“inside of the string”还是"the whole string"

下面的正则表达式捕获字符串以捕获第 1 组。您完全忽略了整体匹配（第 0 组），而只关注第 1 组。要检索字符串，只需在您的语言中迭代第 1 组匹配项（如果任何）。

版本 1：“The inside of the string”

(?s)/\*.*?\*/|"([^"]+)"

这会将%sxtra 和Inicializando... 捕获到第1 组。

版本 2："The whole string"

(?s)/\*.*?\*/|("[^"]+")

这会将"%sxtra" 和"Inicializando..." 捕获到第1 组。

如果您有任何问题，请告诉我！

注意：我没有处理/* nested /* comments */ */，因为问题中没有指定。这将需要一些调整，并且可能需要一个支持递归的正则表达式引擎。

【讨论】：

您好 zx81，为了测试您的两个选项，我提供了以下几行：123、5、6 和 7，这正是我想要的。这个想法是单个正则表达式只给我第 6 行和第 7 行或第 6 行和第 7 行的字符串。想法是它失败了第 1、2、3 或 5 行中的任何一个。

@HernaldoGonzalez 没错，我给你的正则表达式只返回我告诉你的 Group 1 字符串（你想要的那些）。有些在线测试人员可能不喜欢这样，但你可以在RegexBuddy 中测试一下，有问题吗？

@HernaldoGonzalez 我很困惑，你是说我的回答不适合你吗？如果是这样，你能解释一下问题吗？在我的测试中，它运行良好。

不，不适合我。我在具有 RegeExp 功能的 EditPad Pro 的搜索面板中测试了两个正则表达式，我知道它使用相同的 RegexBuddy 模式，它对我来说是所有代码的每一行字符串的标记，它包括注释内的字符串和外部注释（所以非常搜索速度很慢，并确定该行是否是要翻译的真实行），而不仅仅是我希望的代码字符串所在的行（cmets 内没有字符串）。我无法安装 RegexBuddy 来复制和粘贴我拥有的每个代码 C。游戏有60个或更多文件。我的想法是使用与 RegExp 功能相同的搜索面板。

@HernaldoGonzalez 它似乎在 EditPadPro 中不起作用的原因（顺便说一下，我也使用并喜欢它）是如上所述，我给你的解决方案将字符串捕获到第 1 组。您要查找的不是匹配项，而是捕获项，您可以在 EPP 替换字段中将其引用为 $1。但我认为您使用的是诸如 C 之类的编程语言，并且可以测试第 1 组捕获是否为空。

【参考方案2】：

EditPad 6/7 的最终解决方案是：

(?<!^[ \t]*/?[*#][^"\n]*")(?<=^[^"\n]*")[^"]+

链接： Regular expression for a string that does not start with a /*