Ruby正则表达式：同时捕获和删除的有效方法

我正在使用ruby中的正则表达式从代码文件中删除注释。代码是C++（但我认为这不是相关的），文件包含了类似的内容：

/*
    Hello! I'm a comment!
*/

int main(int argc, char* argv[])
{
    Foo foo;
    foo.bar();
    return 0;
}

text.scan(UGLY_COMMENTS_REGEX).each do |m|
 m.method_for_printing_matched_comment
 text = text.gsub(m,'');
end 

我的目标是从代码中删除注释，同时解析注释，现在我可以通过捕获然后删除来实现：

text.scan(UGLY_COMMENTS_REGEX).each do |m|
 m.method_for_printing_matched_comment
end 
text = text.gsub(UGLY_COMMENTS_REGEX,'');

我想到的另一种选择是为每个正则表达式匹配执行

gsub

，而不是使用完整的正则表达式，例如：

/*
    Hello! I'm a comment!
*/

int main(int argc, char* argv[])
{
    Foo foo;
    foo.bar();
    return 0;
}

text.scan(UGLY_COMMENTS_REGEX).each do |m|
 m.method_for_printing_matched_comment
 text = text.gsub(m,'');
end 

这个（也是次优的）备选方案的问题是，当匹配包含“组”时，例如m[0]，m[1]

由于这样做似乎效率极低，我想知道是否有任何方法可以只进行一次匹配（用于捕获和删除）。

（以及其他

String#gsub

，

String#sub！

，

String#sub

）接受可选块（将使用匹配的字符串调用）。所以你可以这样做：

text.gsub!(UGLY_COMMENTS_REGEX) { |m|
  puts m # to print the matched comment  / OR  m.method_for_printing_matched_comment
  ''     # Return value is used as a replacement string; effectively remove the comment
}

---

我认为以下措施应该有效

代码

def strip_comments(str)
  comments = []
  [str.split(/[ \t]*\/\*|\*\/(?:[ \t]*\n?/)
      .select.with_index {|ar,i| i.even? ? true : (comments << ar.strip; false)}
      .join,
   comments]
end 

str =<<_
/*
    Hello! I'm a comment!
*/

int main(int argc, char* argv[])
{
    Foo foo;
    /* Let's get this one too */
    foo.bar();
    return 0;
}
_

cleaned_code, comments = strip_comments(str)
puts cleaned_code
  # int main(int argc, char* argv[])
  # {
  #    Foo foo;
  #    foo.bar();
  #    return 0;
  # }

puts comments
  # Hello! I'm a comment!
  # Let's get this one too

拆分

/*

或

*/

上的字符串将创建一个数组，其中每个其他元素都是注释的文本。数组的第一个元素将是要保留的文本，如果字符串以注释开头，则该元素将等于

“

”。为了保留正确的格式（我希望如此），我还剥离了

/*

前面的任何空格或制表符（但不是换行符），以及

*/

后面的任何制表符或空格，以及换行符

b = str.split(/[ \t]*\/\*|\*\/(?:[ \t]*\n)?/)
  #=> ["",
  #    "\n    Hello! I'm a comment!\n",
  #    "\nint main(int argc, char* argv[])\n{\n    Foo foo;\n",
  #    " Let's get this one too ",
  #    "    foo.bar();\n    return 0;\n}\n"]

我们希望选择非注释的元素，同时保留后者：

enum0 = b.select
  #=> #<Enumerator: [
  #     "",
  #     "\n    Hello! I'm a comment!\n",
  #     "\nint main(int argc, char* argv[])\n{\n    Foo foo;\n",
  #     " Let's get this one too ",
  #     "    foo.bar();\n    return 0;\n}\n"]:select> 

使用

数组#each

执行枚举器及其块：

c = enum1.each {|ar,i| i.even? ? true : (comments << ar.strip; false)}
  #=> ["",
  #    "\nint main(int argc, char* argv[])\n{\n    Foo foo;\n",
  #    "    foo.bar();\n    return 0;\n}\n"]

连接

c

的元素：

cleaned_text = c.join
  #=> "\nint main(int argc, char* argv[])\n{\n    Foo foo;\n    foo.bar();\n    return 0;\n}\n"

并返回：

[cleaned_text, comments]

如上所示

编辑：稍微好一点，我想：

def strip_comments(str)
  a = str.split(/[ \t]*\/\*|\*\/(?:[ \t]*\n)?/)
  a << "" if a.size.odd?
  cleaned, comments = a.each_pair.transpose
  [cleaned.join, comments.map(&:strip)]
end

def条带注释（str）
a=str.split（/[\t]*\/\*\\*\/（？：[\t]*\n）？/）
A.
[cleaned_text, comments]

def strip_comments(str)
  a = str.split(/[ \t]*\/\*|\*\/(?:[ \t]*\n)?/)
  a << "" if a.size.odd?
  cleaned, comments = a.each_pair.transpose
  [cleaned.join, comments.map(&:strip)]
end