c# - 跨越多行的正则表达式/识别注释行

Question

我想通过 Regex 解析 VB6 代码。然而，作为 Regex 的新手，我遇到了一些有关要使用的 regex 的问题。目前，我在识别这些结构时遇到了问题:

' Subs
' Sub Test
Private Sub Test(ByVal x as Integer)
    'Private Sub Test(ByVal y as Integer)
    Dim dummy as String
    dummy = "Private Sub Test(ByVal y as Integer)"
End Sub 

我基本上有这 2 个问题:如何编写匹配 Sub 定义的正则表达式，并在其定义上方包含所有注释(和空)行？我怎样才能防止被注释禁用或包含在字符串中的 Sub 定义不匹配？另外，我需要支持跨越多行的定义，例如:

' Subs
' Sub Test
Private Function Test2( _
   ByVal x as Integer _
) As Long
    'Private Sub Test(ByVal y as Integer)
    Dim dummy as String
    dummy = "Private Sub Test(ByVal y as Integer)"
End Function

如有任何提示，我们将不胜感激。我提出的解决方案不适用于多行或捕获不止一个 Sub 定义。由于贪婪匹配，它然后只匹配到最后一个 End Sub 事件的结尾。

我在 C# 中的尝试目前看起来像这样:

(('(?<comment>[\S \t]+[\n\r]+))*((?<accessmodifier>(Private|Public))\s+_?)(?<functiontype>(Sub|Function))\s+_?(?<name>[\S]+)\((?<parameters>[\S \t]*)\)([ \t]+As[ \t]+(?<returntype>\w+))?)|(?<endfunction>End (Sub|Function))

我正在使用 Multiline、Singleline、IgnoreCase、ExplicitCapture。

感谢您的帮助!

Answer 1

为什么要解析这段代码？如果您正在尝试创建自己的编译器，那么您需要的不仅仅是正则表达式。如果您正在编写一个带有语法高亮和预输入补全功能的编辑器，正则表达式可以在第一个方面做得很好，但在第二个方面就不行了。

就是说，我发现您的正则表达式存在的最大问题是您没有正确处理续行。这:\s+_? 匹配一个或多个空白字符，可选地后跟一个下划线。但是如果有下划线，它后面应该跟一个换行符，而你不匹配它。这很容易补救 - \s+(_\s+)? - 但我不确定您是否需要那么具体。我怀疑这个:[\s_]+ 也可以。

至于避免在注释和字符串中出现明显的子/函数声明，最简单的方法是仅在左边距处匹配它们，可能还有一些制表符或空格用于缩进。这是作弊，我知道，但不管你在做什么，它可能已经足够好了。当我编写 Java file navigation scheme 时，我非常依赖这个技巧。适用于 EditPad Pro。如果不使用大量的噱头和简化假设，你就不能用正则表达式做这种事情。试试这个正则表达式:

^(?>('(?<comment>.*[\n\r]+))*)[ \t]*(?<accessmodifier>(Private|Public))[\s_]+(?<functiontype>(Sub|Function))[\s_]+(?<name>\S+)[\s_]*\((?<parameters>[^()]*)\)([\s_]+As[\s_]+(?<returntype>\w+))?|^[ \t]*(?<endfunction>End (Sub|Function))

当然，您需要先重新组装它。它应该使用 Multiline、IgnoreCase 和 ExplicitCapture 选项进行编译，但不能使用 Singleline。