代码之家  ›  专栏  ›  技术社区  ›  hlovdal

从C源代码中删除字符串[已关闭]

  •  2
  • hlovdal  · 技术社区  · 17 年前

    有人能告诉我一个从C源代码中去掉字符串的程序吗?实例

    #include <stdio.h>
    static const char *place = "world";
    char * multiline_str = "one \
    two \
    three\n";
    int main(int argc, char *argv[])
    {
            printf("Hello %s\n", place);
            printf("The previous line says \"Hello %s\"\n", place);
            return 0;
    }
    

    变成

    #include <stdio.h>
    static const char *place = ;
    char * multiline_str = ;
    int main(int argc, char *argv[])
    {
            printf(, place);
            printf(, place);
            return 0;
    }
    

    我要找的是一个非常像 stripcmt

    我寻找一个已经开发的程序,而不仅仅是一些方便的正则表达式的原因是 因为当你开始考虑所有的角点情况时(字符串中的引号、多行字符串等) REs所能达到的目标是有限的,我怀疑这项任务是不可能的。 如果你真的认为你有 极其 健壮的正则表达式可以随意提交,但请不要幼稚 sed 's/"[^"]*"//g'

    some other questions ,但我没有找到任何工具的参考。

    4 回复  |  直到 9 年前
        1
  •  5
  •   Laurence Gonsalves    17 年前

    C(和大多数其他编程语言)中的所有标记都是“常规的”。也就是说,它们可以由正则表达式匹配。

    C字符串的正则表达式:

    "([^"\\\n]|\\(['"?\\abfnrtv]|[0-7]{1,3}|x[0-9a-fA-F]+))*"
    

      • 简单的转义字符
      • 1到3个八进制数字
      • x和1个或多个十六进制数字

    这是基于C89/C90规范的第6.1.4节和第6.1.3.4节。如果C99中出现任何其他内容,这将不会捕捉到,但这应该不难修复。

    下面是一个python脚本,用于过滤删除字符串文字的C源文件:

    import re, sys
    regex = re.compile(r'''"([^"\\\n]|\\(['"?\\abfnrtv]|[0-7]{1,3}|x[0-9a-fA-F]+))*"''')
    for line in sys.stdin:
      print regex.sub('', line.rstrip('\n'))
    

    编辑:

    在我发布上述内容后,我突然想到,虽然所有的C标记都是正则的,但由于没有标记所有的东西,我们就有了麻烦的机会。特别是,如果双引号出现在另一个标记中,我们可以沿着花园小径走下去。您提到注释已经被剥离,所以我们真正需要担心的另一件事是字符文本(尽管我将使用的方法也可以很容易地扩展到处理注释)。下面是一个处理字符文字的更健壮的脚本:

    import re, sys
    str_re = r'''"([^"\\\n]|\\(['"?\\abfnrtv]|[0-7]{1,3}|x[0-9a-fA-F]+))*"'''
    chr_re = r"""'([^'\\\n]|\\(['"?\\abfnrtv]|[0-7]{1,3}|x[0-9a-fA-F]+))'"""
    
    regex = re.compile('|'.join([str_re, chr_re]))
    
    def repl(m):
      m = m.group(0)
      if m.startswith("'"):
        return m
      else:
        return ''
    for line in sys.stdin:
      print regex.sub(repl, line.rstrip('\n'))
    

    本质上,我们要找到字符串和字符文字标记,然后只保留字符文字,而去掉字符串文字。char-literal正则表达式与string-literal正则表达式非常相似。

        2
  •  4
  •   Mark Pim    17 年前

    source code to StripCmt (.tar.gz-5kB)。它非常小,并且应该不太难适应条带化字符串(它是 released under the GPL

    您可能还想研究C字符串的官方词汇语言规则。我发现 this 很快,但它可能不是决定性的。它将字符串定义为:

    stringcon ::= "{ch}", where ch denotes any printable ASCII character (as specified by isprint()) other than " (double quotes) and the newline character.
    
        3
  •  0
  •   hiena    17 年前

    在ruby中:

    #!/usr/bin/ruby
    f=open(ARGV[0],"r")
    s=f.read
    puts(s.gsub(/"(\\(.|\n)|[^\\"\n])*"/,""))
    f.close
    

    打印到标准输出

        4
  •  0
  •   PaulMcG    17 年前

    在Python中使用pyparsing:

    from pyparsing import dblQuotedString
    
    source = open(filename).read()
    dblQuotedString.setParseAction(lambda : "")
    print dblQuotedString.transformString(source)