python - 在源代码中查找引用的文本字符串

Question

我一直在寻找一种简单的方法来查找 Java 源代码文件中引用的文本字符串。首先，我查看了正则表达式。然后我意识到我有两个问题，因为 this答案指出，不会有一个完全正确的正则表达式，类似于标记语言出现的问题。主要问题来自于字符串中可能存在转义引号。

那么，我有哪些选项可以解析源代码文件以查找其中的字符串(可能带有转义引号)？是否已经存在用于执行此操作的任何东西？最好是用 Python 编写。

编辑:这是一些过于简化的示例代码。

private static String[] b = {
    foo("HG@\"rND"),
    foo("K1\\"),
    bar("ab\\\\\\\"")
}

应该能够处理反斜杠的任何组合。所需的输出将是字符串本身。

Answer 1

你可以使用这样的东西:

import re

with open('input.java') as jfile:
    text = "".join(x.strip() for x in jfile)
m = re.findall(r'".*?(?<!\\)"', text)
for x in m:
    print x

但是删除注释也是必要的，这并不是一件极其困难的事情。或者查看Java parser .