正则表达式捕获 VBA 注释

我正在尝试捕获 VBA 注释。到目前为止我有以下内容

'[^";]+\Z

它捕获以单引号开头但在字符串末尾之前不包含任何双引号的任何内容。即它不会匹配双引号字符串中的单引号。

dim s as string        ' a string variable   -- works
s = "the cat's hat"    ' quote within string -- works

但如果注释包含双引号字符串，则会失败

i.e.

dim s as string ' string should be set to "ten"

我怎样才能修复我的正则表达式来处理这个问题？

中的模式@Jeff Wurz 的评论 https://stackoverflow.com/questions/22044801/regex-to-capture-vba-comments?lq=1#comment33424910_22044801 (^\'[^\r\n]+$|''[^\r\n]+$) 甚至不匹配any你的测试样本，链接的问题是无用的，那里的正则表达式只会匹配OP问题中的具体评论，而不是“VBA 注释语法”。

您提出的正则表达式比我放弃正则表达式方法时的效果更好。

做得好！

问题是您无法使用正则表达式解析 VBA 注释。

In 词法分析器与解析器 https://stackoverflow.com/q/2842809/1188513, @SasQ 的回答 https://stackoverflow.com/a/3614928/1188513很好地解释了乔姆斯基的语法级别：

第三级：常规语法

他们使用常用表达，也就是说，它们只能由 字母表符号 (a,b)，它们的串联 (ab,aba,bbb 等)，或 替代方案（例如 a|b）。它们可以实现为有限状态 自动机 (FSA)，如 NFA（非确定性有限自动机）或更好 DFA（确定性有限自动机）。常规语法无法处理 使用嵌套语法，例如正确嵌套/匹配的括号 (()()(()()))、嵌套 HTML/BBcode 标签、嵌套块等。这是因为 处理它的状态自动机应该有无限多个 状态来处理无限多个嵌套级别。

第 2 级：上下文无关语法

他们可以有语法中的嵌套、递归、自相似分支 树，因此它们可以很好地处理嵌套结构。他们可以 实现为带有堆栈的状态自动机。该堆栈用于 表示语法的嵌套级别。在实践中，他们是 通常作为自上而下的递归下降解析器实现，它使用 机器的过程调用堆栈来跟踪嵌套级别，并使用 为每个非终结符递归调用过程/函数 在他们的语法中。但他们无法处理上下文相关的 句法。例如。当你有一个表达式 x+3 并且在一个上下文中这个 x 可以是变量的名称，在其他上下文中它可以是名称 的函数等

第一级：上下文相关语法

正则表达式根本不是解决这个问题的合适工具，因为只要有多个单引号（/撇号），或者涉及双引号，您就需要确定代码行中最左边的撇号是否是在双引号内，如果是，那么您需要匹配双引号并找到结束双引号后最左边的撇号 - 实际上，最左边的撇号不是字符串文字的一部分，是您的注释标记。

我的理解是VBA注释语法是上下文相关语法（第 1 级），因为撇号只是您的标记（如果它不是字符串文字的一部分），并且要确定撇号是否是字符串文字的一部分，最简单的方法可能是从左到右遍历字符串并切换一些IsInsideQuote当您遇到双引号时进行标记...但前提是它们没有转义（双引号）。实际上，您甚至不检查字符串文字中是否有撇号：您只需继续行走，直到开放引号关闭，并且仅当“引号内标志”为False如果遇到单引号，则说明您找到了注释标记。

祝你好运！

这是您缺少的测试用例：

s = "abc'def ""xyz""'nutz!" 'string with apostrophes and escaped double quotes

如果您不关心捕获字符串文字，则可以简单地忽略转义的双引号并在此处查看 3 个字符串文字："abc'def ", "xyz" and "'nutz!".

此 C# 代码输出'string with apostrophes and escaped double quotes（所有字符串内双引号都在代码中用反斜杠转义），并且适用于我给它的所有测试字符串：

    static void Main(string[] args)
    {
        var instruction = "s = \"abc'def \"\"xyz\"\"'nutz!\" 'string with apostrophes and escaped double quotes";
        // var instruction = "s = \"the cat's hat\"    ' quote within string -- works";
        // var instruction = "dim s as string ' string should be set to \"ten\"";

        int? commentStart = null;

        var isInsideQuotes = false;
        for (var i = 0; i < instruction.Length; i++)
        {
            if (instruction[i] == '"')
            {
                isInsideQuotes = !isInsideQuotes;
            }

            if (!isInsideQuotes && instruction[i] == '\'')
            {
                commentStart = i;
                break;
            }
        }

        if (commentStart.HasValue)
        {
            Console.WriteLine(instruction.Substring(commentStart.Value));
        }

        Console.ReadLine();
    }

那么如果你想捕捉所有法律意见，你需要处理遗留问题Rem关键字，并考虑行延续：

Rem this is a legal comment
' this _
    is also _
    a legal comment

换句话说，\r\n其本身不足以正确识别所有语句结束标记。

适当的词法分析器+解析器似乎是捕获所有评论的唯一方法。