regex - Visual Studio regex 使用宏删除 VB.NET 代码中的所有注释和空行

Question

我试图在宏的帮助下删除文件中的所有注释和空行。现在我想出了这个删除评论的解决方案(下面描述了一些错误)但无法删除中间的空行 -

Sub CleanCode()
    Dim regexComment As String = "(REM [\d\D]*?[\r\n])|(?<SL>\'[\d\D]*?[\r\n])"
    Dim regexBlank As String = "^[\s|\t]*$\n"
    Dim replace As String = ""

    Dim selection As EnvDTE.TextSelection = DTE.ActiveDocument.Selection
    Dim editPoint As EnvDTE.EditPoint

    selection.StartOfDocument()
    selection.EndOfDocument(True)

    DTE.UndoContext.Open("Custom regex replace")
    Try
        Dim content As String = selection.Text
        Dim resultComment As String = System.Text.RegularExpressions.Regex.Replace(content, regexComment, replace)
        Dim resultBlank As String = System.Text.RegularExpressions.Regex.Replace(resultComment, regexBlank, replace)
        selection.Delete()
        selection.Collapse()
        Dim ed As EditPoint = selection.TopPoint.CreateEditPoint()
        ed.Insert(resultBlank)
    Catch ex As Exception
        DTE.StatusBar.Text = "Regex Find/Replace could not complete"
    Finally
        DTE.UndoContext.Close()
        DTE.StatusBar.Text = "Regex Find/Replace complete"
    End Try
End Sub

所以，这是运行宏之前和之后的样子。

之前

Public Class Class1
    Public Sub New()
        ''asdasdas
        Dim a As String = "" ''asdasd
        ''' asd ad asd
    End Sub


    Public Sub New(ByVal strg As String)

        Dim a As String = ""

    End Sub


End Class

后

Public Class Class1
    Public Sub New()
        Dim a As String = ""
    End Sub
    Public Sub New(ByVal strg As String)
        Dim a As String = ""
    End Sub
End Class

宏主要有两个主要问题

它不能删除中间的空行。

如果有一段代码是这样的

Dim a as String = "Name='Soham'"

然后运行宏后它变成

Dim a as String = "Name='"

Answer 1

要摆脱包含空格或不包含任何内容的行，您可以使用此正则表达式:

(?m)^[ \t]*[\r\n]+

您的正则表达式， ^[\s|\t]*$\n如果您指定了多行模式( (?m) )，它将起作用，但它仍然不正确。一方面， |匹配文字 | ;无需在字符类中指定“或”。另一个， \s匹配任何空白字符，包括制表符 ( \t )、回车符 ( \r ) 和换行符 ( \n )，使其不必要地冗余和低效。例如，在第一个空行(在第一个 Sub 结束之后)， ^[\s|\t]*最初将尝试匹配单词 Public 之前的所有内容，然后它将退回到上一行的末尾，即 $\n可以匹配。

但是，空行除了空行或仅包含水平空白(空格或制表符)之外，还可能包含注释。我选择将这些“仅注释”行视为空行，因为这样做相对容易，并且简化了在非空行中匹配注释的任务，这要困难得多。这是我的正则表达式:

^[ \t]*(?:(?:REM|')[^\r\n]*)?[\r\n]+

在消耗任何领先的水平空白后，如果我看到 REM或 '表示评论，我使用它以及它之后的所有内容，直到下一行分隔符。请注意，唯一需要出现的是行分隔符本身。还要注意没有末端 anchor ， $ .当您明确匹配行分隔符时，从来没有必要使用它，在这种情况下，它会破坏正则表达式。在多行模式下， $仅在换行符 ( \n ) 之前匹配，而不在回车符 ( \r ) 之前匹配。 (.NET 风格的这种行为是 incorrect 并且相当令人惊讶，因为 Microsoft 长期以来倾向于将 \r\n 作为行分隔符。)

匹配剩余的评论是一项根本不同的任务。正如您所发现的，只需搜索 REM或 '不好，因为您可能会在字符串文字中找到它，它并不表示注释的开始。您需要做的是从行的开头开始，消费和捕获不是注释或字符串文字开头的任何内容。如果发现双引号，请继续使用字符串文字。如果您发现 REM或 ' ，停止捕获并继续消耗该行的其余部分。然后用捕获的部分替换整行 - 即评论之前的所有内容。这是正则表达式:

(?mn)^(?<line>[^\r\n"R']*(("[^"]*"|(?!REM)R)[^\r\n"R']*)*)(REM|')[^\r\n]*

或者，更易读:

(?mn)             # Multiline and ExplicitCapture modes
^                 # beginning of line
(?<line>          # capture in group "line"
  [^\r\n"R']*     # any number of "safe" characters
  (
    (
      "[^"]*"     # a string literal
      |
      (?!REM)R    # 'R' if it's not the beginning of 'REM'
    )
    [^\r\n"R']*   # more "safe" characters
  )*
)                 # stop capturing
(?:REM|')         # a comment sigil
[^\r\n]*          # consume the rest of the line

替换字符串将是 "${line}" .其他一些注意事项:

请注意，此正则表达式不以 [\r\n]+ 结尾使用行分隔符，就像“空白行”正则表达式一样。

它不以 $ 结尾或者，出于与以前相同的原因。 [^\r\n]*将贪婪地消耗行分隔符之前的所有内容，因此不需要 anchor 。

唯一需要提供的是 REM或 ' ;我们不会费心匹配任何不包含注释的行。

ExplicitCapture 模式意味着我可以使用 (...)而不是 (?:...)对于我不想捕获的所有组，但命名组，(?<line>...) ，仍然有效。

虽然很粗糙，但如果 VB 支持多行注释，或者它的字符串文字支持反斜杠转义，这个正则表达式会更糟糕。

我不做VB，但 here's a demo in C# .