从源文件中删除所有注释（单行/多行）和空行[重复]

Posted 2023-02-21

【中文标题】从源文件中删除所有注释（单行/多行）和空行[重复]

【英文标题】：Remove all comment (single-/multi-line) & blank lines from source file [duplicate]

【发布时间】：2012-02-25 03:45:39

【问题描述】：

如何从 C# 源文件中删除所有 cmets 和空行。请记住，可能存在嵌套的 cmets。一些例子：

string text = @"//not a comment"; // a comment

/* multiline
comment */ string newText = "/*not a comment*/"; // a comment

/* multiline // not a comment 
/* comment */ string anotherText = "/* not a comment */ // some text here\"// not a comment"; // a comment

我们可以有比上述三个例子更复杂的来源。 有人可以建议一种正则表达式模式或其他方法来解决这个问题。我已经在互联网上浏览了很多东西，但找不到任何有用的东西。

【问题讨论】：

为什么要从源代码中删除 cmets？？

@Roy Dictus：是的，通常删除 cmets 是个坏主意！这是学校的一项棘手的任务。 :)

如果你能展示你尝试过的东西会很有帮助，尽管这个想法很糟糕。

为什么投反对票？这是一个完全合法的问题，无论其用途如何。

***.com/questions/3524317/…

【参考方案1】：

要删除 cmets，请参阅 this answer。 之后，删除空行就很简单了。

【讨论】：

@nenito，我想我发布的答案有点晚了，但无论如何它可能会很有趣。

我们仍然很好奇您为什么要删除 cmets！ （或者至少我是）

@comecme：首先 - 很抱歉回答迟了。 cmets 降低了代码的可读性，因此当您部署代码以对 cme​​ts 进行某种过滤时，这可能很有用，但是您可以将代码与所有 cmets 一起存储在某个存储库中（SVN、Perforce、..）

【参考方案2】：

你可以使用this answer中的函数：

static string StripComments(string code)

    var re = @"(@(?:""[^""]*"")+|""(?:[^""\n\\]+|\\.)*""|'(?:[^'\n\\]+|\\.)*')|//.*|/\*(?s:.*?)\*/";
    return Regex.Replace(code, re, "$1");

然后删除空行。

【讨论】：

不工作。 // 在字符串中也被删除了。

@MohsenUnlimited，不是我能看到的。示例：ideone.com/PVCdm 请证明您的声明。

【参考方案3】：

不幸的是，在没有边缘情况的情况下，使用正则表达式确实很难可靠地做到这一点。我还没有调查很远，但您也许可以使用Visual Studio Language Services 来解析 cmets。

【参考方案4】：

如果你想用正则表达式识别 cmets，你真的需要使用正则表达式作为分词器。即，它识别并提取字符串中的第一件事，无论该内容是字符串文字、注释还是既不是字符串文字也不是注释的内容块。然后你抓住字符串的剩余部分并从开头拉下一个标记。

这可以帮助您解决上下文问题。如果您只是想在字符串中间查找内容，则没有好的方法可以识别特定的“注释”是否在字符串文字中——事实上，很难确定字符串文字的位置首先，因为\" 之类的东西。但是如果你总是取字符串中的第一件事，很容易说“哦，字符串以" 开头，所以直到下一个未转义的" 的所有内容都是更多的字符串。”上下文会自行处理。

所以你需要三个正则表达式：

标识从字符串开头开始的注释（// 或 /* 注释）。 标识从字符串开头开始的字符串文字。记得检查" 和@" 字符串；每个都有自己的边缘情况。 一个标识不是上述两种情况的东西，并且匹配到第一个可能是注释或字符串文字的东西。

编写实际的正则表达式模式留给读者作为练习，因为编写和测试这一切需要几个小时，而且我不愿意免费这样做。 （咧嘴笑）但这当然是可行的，如果你对正则表达式有很好的理解（或者有一个像 *** 这样的地方可以在你遇到困难时提出具体的问题）并且愿意为你的代码编写一堆自动化测试。不过，请注意最后一种（“其他任何东西”）情况——如果它后面跟着一个 "，你想在 @ 之前停止，但如果它是 @ 转义关键字以用作一个标识符。

【参考方案5】：

另请参阅我的 C# 代码压缩项目：CSharp-Minifier

除了从代码中删除 cmets、空格和换行符之外，目前它能够压缩局部变量名称并进行其他缩小。

【讨论】：

真是很酷的东西；) 但是 GUI 使用起来不方便（好像是为了作者的目的而写的），但是创建一个包装器并不难：

我在一个小型实际应用程序（两个项目，大约 40-50 个文件）上测试了包装器，代码无需修改即可编译

@maxkoryukov 是的，GUI 已经开发为私人使用 :) 如果您愿意，您可以使用您的修改创建拉取请求。此外，使用 Roslyn 代码分析器可以解决一些问题。

我匆忙使用了你的库，目前我只有一个运行良好的要点。下次我将使用此应用程序时 - 我将向您发送一个带有小型控制台应用程序的 PR，该应用程序利用您的库；）

【参考方案6】：

首先，在构建RegEx 实例时，您肯定希望使用RegexOptions.SingleLine。现在，您正在处理单行代码。

为了补充RegexOptions.SingleLine 选项的使用，您需要确保使用start and end string anchors（分别为^ 和$），对于您的具体情况，您需要常规应用于整个字符串的表达式。

我还建议分解条件并使用alternation 处理较小的情况，从更小、更易于管理的表达式构造更大的正则表达式。

最后，我知道这是作业，但是用正则表达式解析软件语言是徒劳的（它不是实际应用）。它更适合高度结构化的数据。如果您将来发现自己想做这样的事情，请使用为该语言构建的解析器（在这种情况下，我强烈推荐Roslyn）。

【讨论】：

最后一段让我迷失了......我在使用正则表达式实现我的 C# 词法分析器时没有遇到任何问题，除了剥离 cmets。我确实觉得 cmets 是该过程的一个独特部分，因为它们对必须传递给语法器的标记没有贡献。 en.wikipedia.org/wiki/Regular_language

【参考方案7】：

使用我的项目删除大多数 cmets。 https://github.com/SynAppsDevelopment/CommentRemover

它删除了所有整行、结束行和 XML Doc 代码 cmets，但对自述文件和源代码中解释的复杂 cmets 有一些限制。这是一个带有 WinForms 界面的 C# 解决方案。

【讨论】：

请不要只发布一些工具或库作为答案。至少在答案本身中展示how it solves the problem。

抱歉，不知道所有指南。我的编辑有帮助吗？