Perl：正则表达式不抓取代码中的多行 C 风格注释

我有一个 Perl 程序：

• 读取用 C 编写的 SRC 文件
• 使用 SRC 文件中的正则表达式匹配来查找特定格式的数据以用作目标文件名
• 打开新的目标文件
• 执行另一个正则表达式匹配以查找包含关键字 abcd 的所有 C 风格注释 /* */。注意：这些注释可以是 1 行或多于 1 行，因此正则表达式会查找第一个 /*，然后查找关键字 abcd，然后在遇到结束符之前查找任意数量的文本和空格 */
• 将正则表达式匹配写入目标文件

#!/usr/bin/perl
use warnings;
use strict;

my $src = 'D:\\Scripts\\sample.c';
my $fileName;

# open source file for reading
open(SRC_FH,'<',$src) or die $!;

while(my $row = <SRC_FH>){
    if ($row =~ /([0-9]{2}\.[0-9]{2}\.[0-9]{3}\.[a-z,0-9]{2}|[0-9]{2}\.[0-9]{2}\.[0-9]{3}\.[a-z,0-9]{3})/){
        $fileName = $1;
    }
}

my $des = "D:\\Scripts\\" . $fileName . ".txt";

# open destination file for writing
open(DES_FH,'>',$des) or die $!;

print("copying content from $src to $des\n");

seek SRC_FH, 0, 0;

while(my $row = <SRC_FH>){
    if ($row =~ /(\/\*.*abcd.[\s\S]*?\*\/)/){
        print DES_FH "$1\n";
    }
}

# always close the filehandles
close(SRC_FH);

close(DES_FH);
print "File content copied successfully!\n";

我的问题是，我认为由于 perl 代码的执行方式，尽管正则表达式是正确的，但我的目标文件仅写入了 1 行注释。任何超过 1 行的 C 风格注释都不会写入目标文件。我的第二个 if 语句中缺少什么？

我在这里检查了我的第二个 if 语句正则表达式https://regexr.com/ https://regexr.com/它的工作原理是捕获多行 C 风格注释以及也包含关键字 abcd 的单行注释。

所以我尝试了 zdim 下面的第一个建议。这是我使用的：

#!/usr/bin/perl
use warnings;
use strict;

my $src = 'D:\\Scripts\\sample.c';
my $fileName;
my @comments;

# open source file for reading
open(SRC_FH,'<',$src) or die $!;

while(my $row = <SRC_FH>){
    if ($row =~ /([0-9]{2}\.[0-9]{2}\.[0-9]{3}\.[a-z,0-9]{2}|[0-9]{2}\.[0-9]{2}\.[0-9]{3}\.[a-z,0-9]{3})/){
        $fileName = $1;
    }
}

my $des = "D:\\Scripts\\" . $fileName . ".txt";

# open destination file for writing
open(DES_FH,'>',$des) or die $!;

print("copying content from $src to $des\n");

#seek SRC_FH, 0, 0;

my $content = do {
    #read whole file at once
    local $/;
    open (SRC_FH,'<', $src) or die $!;
    <SRC_FH>;
};

#if($content =~ /(\/\*.*abcd.[\s\S]*?\*\/)/sg){
#       my @comments = $content;
#   }

my @comments = $content =~ /(\/\*.*abcd.[\s\S]*?\*\/)/sg;

foreach (@comments){
    print DES_FH "$1\n";
}

#while(my $row = <SRC_FH>){
#   if ($row =~ /(\/\*.*abcd.[\s\S]*?\*\/)/){
#       print DES_FH "$1\n";
#   }
#}

# always close the filehandles
close(SRC_FH);

close(DES_FH);
print "File content copied successfully!\n";

结果是将sample.c 中的所有内容复制到目标文件。完整的 1:1 副本。我希望从 C 文件中提取所有单行和多行注释。

示例1： /* A B C D */ 示例2： /* 一些文本 * 更多评论 abcd 和一些更多评论 */

最终解决方案

#!/usr/bin/perl
use warnings;
use strict;

my $src = 'D:\\Scripts\\sample.c';
my $fileName;

# open source file for reading
open(SRC_FH,'<',$src) or die $!;

while(my $row = <SRC_FH>){
    if ($row =~ /([0-9]{2}\.[0-9]{2}\.[0-9]{3}\.[a-z,0-9]{2}|[0-9]{2}\.[0-9]{2}\.[0-9]{3}\.[a-z,0-9]{3})/){
        $fileName = $1;
    }
}

my $des = "D:\\Scripts\\" . $fileName . ".txt";

# open destination file for writing
open(DES_FH,'>',$des) or die $!;

print("copying content from $src to $des\n");

seek SRC_FH, 0, 0;

my $content = do{local $/; <SRC_FH>};

my @comments = $content =~ /(\/\*.*abcd.[\s\S]*?\*\/)/g;

for(@comments){
    print DES_FH "$_\n";
}

# always close the filehandles
close(SRC_FH);

close(DES_FH);
print "File content copied successfully!\n";

我的第二个 if 语句中缺少什么？

好吧，没什么——只是在多行 C 注释中，它的两行都没有/* and */。因此，当逐行读取文件时，正则表达式无法匹配多行注释。

要捕获此类评论：

• 将整个文件读入字符串（“slurp”它），然后添加/s正则表达式上的修饰符，以便.也匹配换行符。还使用/g修饰符 so 可以捕获字符串中的所有此类模式。单程

  my $content = do { 
      local $/;  # undef record separator so the whole file is read at once
      open my $src_fh, '<', $src_file or die $!;  # have to re-open
      <$src_fh>;                                  # reads it all
  };  # lexical filehandle gets closed as we leave scope
  
  # NOTE -- there may be difficulties in capturing comments in a C source file
  my @comments = $content =~ /.../sg;  # your regex
  

  或者使用库来获取文件，例如

  use Path::Tiny;
  my $content = path($src_file)->slurp; 
  

Or,

• 当你看到时设置一个标志/*，获取/打印所有行，直到结束*/，然后取消设置该标志。这是一个基本版本

  my $inside_comment = 0;
  while (<$src_fh>) {
      if (m{(/\*.*)}) {         #/ fix syntax hilite
          $inside_comment = 1;  # opening line for the comment 
          say $des_fh $1; 
      } 
      elsif (m{(.*\*/)}) {      # closing line for the comment
          say $des_fh $1; 
          $inside_comment = 0; 
      } 
      elsif ($inside_comment) { say $des_fh $_}
  }
  

  我测试了所有这些，但请检查并改进。其一，这对于前导空格来说很有趣。

注意：从 C 程序中获取所有注释通常可能相当棘手。

这是单行版的 slurping

my $file_content = do { local (@ARGV, $/) = $file_name; <> }