C# 使用正则表达式删除注释
我正在构建一个解析器，我想从不同的行中删除注释。比如说,C# 使用正则表达式删除注释,c#,regex,C#,Regex,我正在构建一个解析器，我想从不同的行中删除注释。比如说, variable = "some//thing" ////actual comment 注释标记是/。在这种情况下，变量将包含“some//thing”，其他所有内容都将被忽略。我计划用正则表达式替换它。目前我正在使用（“*”[t]）*（\/\/.*）作为正则表达式。然而，替换它将完全替换“一些//东西”////实际注释 我想不出应该用哪个正则表达式来代替。谢谢你的帮助 其他信息-我正在将C#与netcoreapp 1.1.0一起使用
variable = "some//thing" ////actual comment
/变量“some//thing”（“*”[t]）*（\/\/.*）“一些//东西”////实际注释
我想不出应该用哪个正则表达式来代替。谢谢你的帮助
其他信息-我正在将C#与netcoreapp 1.1.0一起使用
编辑-某些情况下，行可能只包含注释，如//line comment
。字符串也可能包含转义引号。
旗帜：全球
匹配完整字符串或注释
第一组：评论
因此，如果没有注释，则替换为相同的匹配文本。否则，请在注释本身上执行您的操作。下面是丑陋的正则表达式模式。我相信它会很好地工作。我用我能想到的每一个病态的例子都试过了，包括包含语法错误的行。例如，一个引号过多或过少的带引号字符串，或者有一个双转义引号，因此不转义。在评论中使用带引号的字符串，当我想提醒自己其他选择时，我会这样做
唯一一次它会出错的情况是，在一个看似带引号的字符串中有一个双斜杠，但不知何故该字符串的格式不正确，并且双斜杠在正确引用的部分之外合法结束。从语法上说，这使它成为一个有效的注释，即使不是程序员的意图。因此，从程序员的角度来看，这是错误的，但根据规则，这实际上是一个注释。也就是说，这种模式似乎只会出错
使用时，模式将返回行的非注释部分。模式中有一个换行符\n
，允许将其应用于整个文件。如果系统以某种其他方式解释换行符，例如\r
或\r\n
，则可能需要修改该选项。若要在单线模式下使用它，您可以选择将其删除。在一行中为17和18个字符，在多行版本中为第五行、第六行和第七行打印字符。但是，您可以安全地将其保留在那里，因为在单行模式下，它没有任何区别，而在多行模式下，它将为空白的代码行返回一个换行符，或者在第一列中有一个注释开始。如果将结果写入新文件，则原始版本和点画版本中的行号将保持相同。使比较容易
此模式的一个主要警告：它使用的分组结构在正则表达式引擎中具有不同的支持级别。我相信在这里使用时，环顾四周，只有.NET和PCRE引擎才会接受它。它是三级类型：（？（_条件_uu）然后124; u其他u）
。\u条件
模式被视为零宽度断言。如果模式匹配，则在尝试的匹配中使用\u then
模式，否则使用\u else
模式。如果没有这种结构，这种模式会发展到不寻常的长度，并且在我的一些病理测试案例中仍然失败
这里呈现的模式与正则表达式引擎需要看到的模式相同。我不是C#程序员，所以我不知道转义引号字符串的所有细微差别。在代码中加入此模式，以便正则表达式引擎能够正确地看到所有反斜杠和引号，这仍然取决于您。也许C#具有与Perl的herdoc
语法相当的语法
这是要使用的一行模式：
^((?:(?:(?:[^"'/\n]|/(?!/))*)(?("(?=(?:\\\\|\\"|[^"])*"))(?:"(?:\\\\|\\"|[^"])*")|(?('(?=(?:\\\\|\\'|[^'])*'))(?:'(?:\\\\|\\'|[^'])*')|(?(/)|.))))*)
如果要使用“忽略模式空白”选项，可以使用以下版本：
(?x) # Turn on the ignore white space option
^( # Start the only capturing group
(?: # A non-capturing group to allow for repeating the logic
(?: # Capture either of the two options below
[^"'/\n] # Capture everything not a single quote, double quote, a slash, or a newline
| # OR
/(?!/) # Capture a slash not followed by a slash [slash an negative look-ahead slash]
)* # As many times as possible, even if none
(?(" # Start a conditional match for double-quoted strings
(?=(?:\\\\|\\"|[^"])*") # Followed by a properly closed double-quoted string
) # Then
(?:"(?:\\\\|\\"|[^"])*") # Capture the whole double-quoted string
| # Otherwise
(?(' # Start a conditional match for single-quoted strings
(?=(?:\\\\|\\'|[^'])*') # Followed by a properly closed single-quoted string
) # Then
(?:'(?:\\\\|\\'|[^'])*') # Capture the whole double-quoted string
| # Otherwise
(?([^/]) # If next character is not a slash
.) # Capture that character, it is either a single quote, or a double quote not part of a properly closed
) # end the conditional match for single-quoted strings
) # End the conditional match for double-quoted strings
)* # Close the repeating non-capturing group, capturing as many times as possible, even if none
) # Close the only capturing group
这允许您的代码解释这个怪物，这样当其他人看到它时，或者在几个月后您必须自己处理它时，就没有WTF时刻了。我认为这些评论很好地解释了这一点，但请随意改变它们
如上所述，条件匹配分组的支持有限。它将失败的一个地方是你在之前的评论中链接到的网站。因为您使用的是C#，所以我选择在中进行测试，它可以处理这些构造。它还包括一个很好的参考。如果侧边有正确的选择，您可以测试上面的任何一个版本，并对其进行实验。考虑到它的复杂性，我建议您在某个地方，根据您的文件中的数据，以及您可以想象的任何边缘案例和病理测试来测试它
为了弥补这个小模式的不足，有一个更大的模式用于测试电子邮件地址，它是78列81行，还有几十个字符可供使用。（我不建议使用它或任何其他正则表达式来测试电子邮件地址。这是一个错误的工具。）如果你想吓唬自己，可以在网站上浏览一下。我和那件事无关 您是在分析现有语言，还是这是一种自定义格式？它是一种自定义语言<代码>“[^”]*”（//.*）“some\”//thing”“（？>[^\\\N”“]+\\\）*”（\/\/.*）“qwe\”qwe“\\asd”（？>[^\\\\n]+\\\\）*“|（\/\/.*）