如何使用 Java 正则表达式查找 (* comments *)？答案

【问题标题】：How to find (* comments *) using Java's regexp?如何使用 Java 正则表达式查找 (* comments *)？
【发布时间】：2011-07-23 23:32:01
【问题描述】：

我不知道如何使用可以在评论中出现的 '(', ')' 和 '*'。评论是多行的。

【问题讨论】：

如果 (* comment *) 是注释，那么正则表达式无法真正处理 (* zz (* zz *) 或 (* zz *) zz *)
我不清楚这个问题是否只是关于掩盖括号和星号，还是关于上下文识别（cmets 中的字符串、字符串中的 cmets、嵌套 cmets 等）。跨度>
@user unknown - 我知道如何避开括号和星号，这个问题是关于如何处理嵌套的，包含 * 和（或）cmets。

标签： java regex pascal

【解决方案1】：

一个简单的处理模式是：

\(\*(.*?)\*\)

示例：http://www.rubular.com/r/afqLCDssIx

您可能还想设置单行标志(?s)\(\*(.*?)\*\)

请注意，它不处理字符串中的(* 或其他奇怪组合之类的情况。最好的办法是使用解析器，例如 ANTLR，它已经准备好了 Pascal grammar (direct link)。

【讨论】：

+1 用于查找包含此内容的实际语法。只是为了完整性：即使使用解析器生成器，处理潜在嵌套的 cmets 也可能很棘手。此外，您需要了解其余（非评论）内容的语法。例如。如果我不知道其余的语法，那么仅仅寻找一个开头的(* 标记可能会导致我在字符串文字中找到一些东西。
@phooji - 谢谢！解析器甚至应该处理嵌套的结构——它对整个代码结构来说足够容易。也就是说，我怀疑(* zz *) zz *) 是否有效——实际上很少有语言允许嵌套 cmets。 /* 1 /* 2 */ 1 */ 不会传入任何 C++ 编译器 :)
我想强调一下，你必须在 java 中屏蔽 \(\*(.*?)\*\) 的反斜杠，在 Javacode 中看起来像这样 String r = "\\(\\*(.*?)\\*\\)";。
@Kobi：对。我想我正在考虑一个更老派的 Lex/Yacc 设置，为了解析 cmets，你将词法分析器置于特殊的“注释”模式。
其实我参加了一个编程比赛，我在第一个任务上花了很多时间，但是还有一个：“Delete all {}, // and (* *) cmets from input帕斯卡码”。我只有 4 分钟的时间，所以我决定使用 Java 的正则表达式。我设法删除了 // 和 {} cmets，但我的第三个正则表达式效果不佳。因此，据我所知，该任务应该在不使用正则表达式的情况下完成。但是，使用您的正则表达式，我的程序也许可以通过大多数测试，但是，非常感谢您的帮助！

【解决方案2】：

如果要查找 /* */ 示例的最内层嵌套注释

/* 
/*
comment1
/*
comment2
*/
*/
*/

正则表达式将是

\/\*[^/*]*(?:(?!\/\*|\*\/)[/*][^/*]*)*\*\/

这会找到

/*
comment2
*/

【讨论】：

【解决方案3】：

关于嵌套 cmets 的处理，虽然确实不能使用 Java 正则表达式来匹配 outermost 注释，但您可以制作一个匹配 em>innermost 评论（有一些值得注意的例外 - 请参阅下面的警告）。（请注意：\(\*(.*?)\*\) 表达式在这种情况下将不起作用，因为它不能正确匹配最里面的注释。）以下是一个经过测试的 java 程序，它使用一个（重注释的）正则表达式，它只匹配最里面的 cmets，并应用这个以迭代方式正确剥离嵌套的 cmets：

public class TEST {
    public static void main(String[] args) {
        String subjectString = "out1 (* c1 *) out2 (* c2 (* c3 *) c2 *) out3";
        String regex = "" +
            "# Match an innermost pascal '(*...*)' style comment.\n" +
            "\\(\\*      # Comment opening literal delimiter.\n" +
            "[^(*]*      # {normal*} Zero or more non'(', non-'*'.\n" +
            "(?:         # Begin {(special normal*)*} construct.\n" +
            "  (?!       # If we are not at the start of either...\n" +
            "    \\(\\*  # a nested comment\n" +
            "  | \\*\\)  # or the end of this comment,\n" +
            "  ) [(*]    # then ok to match a '(' or '*'.\n" +
            "  [^(*]*    # more {normal*}.\n" +
            ")*          # end {(special normal*)*} construct.\n" +
            "\\*\\)      # Comment closing literal delimiter.";
        String resultString = null;
        java.util.regex.Pattern p = java.util.regex.Pattern.compile(
                    regex,
                    java.util.regex.Pattern.COMMENTS);
        java.util.regex.Matcher m = p.matcher(subjectString);
        while (m.find())
        { // Iterate until there are no more "(* comments *)".
            resultString = m.replaceAll("");
            m = p.matcher(resultString);
        }
        System.out.println(resultString);
    }
}

这里是正则表达式的简短版本（原生正则表达式格式）：

\(\*[^(*]*(?:(?!\(\*|\*\))[(*][^(*]*)*\*\)

请注意，此正则表达式实现了 Jeffrey Friedl 的 “Unrolling-the-loop” 高效技术，并且速度非常快。（参见：Mastering Regular Expressions (3rd Edition)）。

警告：如果任何注释分隔符（即(* 或*)）出现在字符串文字中，这肯定不会正常工作，因此不应用于一般解析。但是像这样的正则表达式可以不时使用 - 例如在编辑器中进行快速而肮脏的搜索。

对于想要处理嵌套 C 风格 cmets 的人，另请参阅我对 a similar question 的回答。

【讨论】：