正则表达式解析 C# 源代码以查找所有字符串

Question

我很久以前就问过这个问题， 我希望我已经阅读了答案 When not to use Regex in C# (or Java, C++ etc) 第一！

我希望使用 Regex（正则表达式）来获取我的 C# 源代码中所有字符串的列表，包括其中嵌入了双引号的字符串。

这应该不难，但是在我花时间尝试构建正则表达式之前，有没有人已经有了“预装”的？

这并不像最初看起来那么容易，因为

• “av\”d”
• @”ab””cd”
• @”ab”””
• @”””ab”
• 等

Answer 1

我将此作为我的答案发布，以便其他阅读问题的人脱颖而出。

正如我在对我的问题有帮助的 cmets 中指出的那样，很明显，正则表达式不是在 C# 代码中查找字符串的好工具。在我提醒自己正则表达式语法的时间里，我本可以编写一个简单的“解析器”。 –（解析器是一个过度声明，因为在 cmets 等中没有“，这是我正在处理的源代码。）

这似乎总结得很好：

Some people, when confronted with a problem, think “I know, I'll use regular expressions.” Now they have two problems.

但是，在它破坏我的代码之前，我将使用 Blixt 发布的正则表达式，但如果它给我带来问题，我不会在编写自己的解析器之前花费匹配时间尝试修复它。例如，作为 C# 字符串，它是

@"@Q(?:[^Q]+|QQ)*Q|Q(?:[^Q\\]+|\\.)*Q".Replace('Q', '\"')

更新，上面的正则表达式有问题，所以我只写了自己的解析器，包括编写单元测试花了大约2个小时来编写解析器。这比我花在网上寻找（和测试）预装正则表达式的时间要少得多。

我看到的问题是，我倾向于避免使用 Regex，只自己编写字符串处理代码，然后很多人声称我不使用 Regex 是在浪费客户的钱。但是，每当我尝试使用正则表达式时，看似简单的匹配模式就会很快变得更难匹配。 （我读过的关于在 .net 中使用 Regex 的在线文章中没有一个很好的说明，明确说明何时不使用 Regex。MSDN 文档也是如此）

让我们看看我们是否可以帮助解决这个问题，我刚刚创建了一个堆栈溢出问题“When not to use Regex”

Answer 2

查找C风格字符串的正则表达式为：

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

这不会考虑 cmets，因此最好的办法是先删除所有 cmets，使用以下正则表达式：

/\*(?s:(?!\*/).)*\*/|//.*

请注意，如果将上述正则表达式放在字符串中，则需要将所有反斜杠加倍并转义所有引用标记。

更新： 将 cmets 的正则表达式更改为对多行 cmets 使用 DOTALL 标志。

此外，您可能希望支持文字字符串，因此请使用它而不是其他字符串正则表达式：

@"(?:[^"]+|"")*"|"(?:[^"\\]+|\\.)*"

提醒：不要将 DOTALL 用作任何这些正则表达式的全局标志，因为它会破坏单行 cmets 和单行字符串（普通字符串是单行的，而文字字符串可以跨越多行。）

Answer 3

通过www.regular-expressions.info：

"[^"\\\r\n]*(?:\\.[^"\\\r\n]*)*" 匹配单行字符串，如果引号字符被反斜杠转义，则可以出现在该字符串中。虽然这个正则表达式可能看起来比它需要的更复杂，但它比简单的解决方案要快得多，如果双引号单独出现在某个地方而不是字符串的一部分，可能会导致大量回溯。 "[^"\\]*(?:\\.[^"\\]*)*" 允许字符串跨越多行。

Answer 4

我在自己的 C# 解析器中使用的 5 美分表达式：

普通字符串：

"((\")|[^"\]|\)"

逐字字符串：

@("[^"]*")+