如何从代码中删除C样式的注释

Question

我刚刚在此处阅读了一个新问题，询问的标题与我的基本相同。那让我开始思考-并在网络上搜索（当然，大多数点击都指向SO；）。所以我认为 -

应该有一个简单的正则表达式，能够从任何代码中删除C样式的注释。

是的，关于SO的这个问题/陈述有答案，但是我发现的答案都是不完整和/或过于复杂。

因此，我开始进行实验，并提出了一个可以在 我 能想象的所有类型的代码上运行的代码：

(?:\/\/(?:\\\n|[^\n])*\n)|(?:\/\*(?:\n|\r|.)*?\*\/)|(("|')(?:\\\\|\\\2|\\\n|[^\2])*?\2)

第一种选择检查 双斜杠 //注释。第二个是 普通 的/* comment */。第三个是我很难找到其他正则表达式来处理相同的任务处理的问题-
包含字符串之外的字符序列的字符串将被视为注释 。

这部分的作用是捕获捕获组1中的所有字符串，将捕获组2中的引号与引号匹配，直到字符串的末尾。

捕获组1应该保留在替换中，所有内容都丢弃（替换为""），留下未注释的代码:)。

这是regex101的C示例。

好…那不是问题。您认为这是一个答案…

你是对的。所以…这个问题。

我是否错过了此正则表达式会错过的任何类型的代码？

它处理

多行注释

/*
    an easy one
*/

“行尾”评论

// Remove this

字符串中的注释

char array[] = "Following isn't a comment // because it's in a string /* this neither */";

导致-带转义引号的字符串

    char array[] = "Handle /* comments */ - // - in strings with \" escaped quotes";

和带有逃逸转义符的字符串

    char array[] = "Handle strings with **not** escaped quotes\\"; // <-EOS

javscript单引号字符串

var myStr = 'Should also ignore enclosed // comments /* like these */ ';

行连续

// This is a single line comment \
continuing on the next row (warns, but works in my C++ flavor)

那么， 您能想到让这种情况弄糟的任何代码案例吗？ 如果您有任何建议，我将尝试完成RE，并希望它将最终 完成 ;）

问候。

PS。我知道…写在右窗格中“ 如何问 ：” 下面写着， 我们更喜欢可以回答的问题，而不仅仅是讨论的问题。 这个问题可能违反了：S但我无法抗拒。

实际上，对于某些人来说，它甚至可能是答案，而不是问题。（太自大了？；）

Answer 1

到目前为止，我已经考虑了评论并将正则表达式更改为：

(?:\/\/(?:\\\n|[^\n])*\n)|(?:\/\*[\s\S]*?\*\/)|((?:R"([^(\\\s]{0,16})\([^)]*\)\2")|(?:@"[^"]*?")|(?:"(?:\?\?'|\\\\|\\"|\\\n|[^"])*?")|(?:'(?:\\\\|\\'|\\\n|[^'])*?'))

它处理Biffens C ++ 11的原始字符串文字（以及C＃逐字字符串），并且根据Wiktors的建议进行了更改。

由于逻辑上的差异（并避免无效的反向引用；），将其拆分为分别处理单引号和双引号。

无疑，它更复杂，但与我所见过的几乎不能解决任何 字符串问题 的解决方案相距甚远。并且可以剥离不适用于特定语言的部分。

有一条评论建议 支持 更多的语言。这将使RE（甚至更多）变得复杂且难以管理。不过，它应该相对容易适应。

更新了regex101示例。

到目前为止，感谢大家的投入。并不断提出建议。

问候

编辑： 更新原始字符串-这次我实际上阅读了规范。;）