正则表达式检测以分号结尾的 C++ for 和 while 循环

问题描述：

在我的 Python 应用程序中，我需要编写一个正则表达式来匹配以分号 ( ) 结尾的C++for或循环。例如，它应该匹配以下内容：while`;`

for (int i = 0; i < 10; i++);

...但不是这个：

for (int i = 0; i < 10; i++)

乍一看这似乎微不足道，直到您意识到开括号和闭括号之间的文本可能包含其他括号，例如：

for (int i = funcA(); i < funcB(); i++);

我正在使用 python.re 模块。现在我的正则表达式如下所示（我保留了我的注释，以便您更容易理解）：

# match any line that begins with a "for" or "while" statement:
^s*(for|while)s*
(  # match the initial opening parenthesis
    # Now make a named group 'balanced' which matches a balanced substring.
    (?P<balanced>
        # A balanced substring is either something that is not a parenthesis:
        [^()]
        | # …or a parenthesised string:
        ( # A parenthesised string begins with an opening parenthesis
            (?P=balanced)* # …followed by a sequence of balanced substrings
        ) # …and ends with a closing parenthesis
    )*  # Look for a sequence of balanced substrings
)  # Finally, the outer closing parenthesis.
# must end with a semi-colon to match:
s*;s*

这对于所有上述情况都有效，但是当您尝试使 for 循环的第三部分包含一个函数时，它就会中断，如下所示：

for (int i = 0; i < 10; doSomethingTo(i));

我认为它会中断，因为只要你在开括号和闭括号之间放置一些文本，“平衡”组就会匹配包含的文本，因此该(?P=balanced)部分不再起作用，因为它不会匹配（由于括号内的文本不同）。

在我的 Python 代码中，我使用 VERBOSE 和 MULTILINE 标志，并创建如下正则表达式：

REGEX_STR = r"""# match any line that begins with a "for" or "while" statement:
^s*(for|while)s*
(  # match the initial opening parenthesis
    # Now make a named group 'balanced' which matches
    # a balanced substring.
    (?P<balanced>
        # A balanced substring is either something that is not a parenthesis:
        [^()]
        | # …or a parenthesised string:
        ( # A parenthesised string begins with an opening parenthesis
            (?P=balanced)* # …followed by a sequence of balanced substrings
        ) # …and ends with a closing parenthesis
    )*  # Look for a sequence of balanced substrings
)  # Finally, the outer closing parenthesis.
# must end with a semi-colon to match:
s*;s*"""

REGEX_OBJ = re.compile(REGEX_STR, re.MULTILINE| re.VERBOSE)

有人能建议改进这个正则表达式吗？它对我来说太复杂了，我搞不懂。

解决方案 1：

您可以编写一个非常简单的小例程来完成此操作，而无需使用正则表达式：

• 设置一个位置计数器pos，使其指向for或之后的左括号之前while。

• 将开括号计数器设置openBr为0。

• 现在继续增加pos，读取相应位置的字符，并openBr在看到左括号时增加，并在看到右括号时减少。这将在开始时增加一次，对于“ for (”中的第一个左括号，再增加和减少一些中间的括号，并将其设置回括号关闭0时for。

• 那么，何时openBr再来就停止0。

终止位置是您的右括号for(...)。现在您可以检查后面是否有分号。

解决方案 2：

这种事情你真的不应该用正则表达式来做。只需一次解析一个字符，并跟踪左括号/右括号。

如果这就是您所寻找的全部，那么您肯定不需要功能齐全的 C++ 语法词法分析器/解析器。如果您想要练习，您可以编写一个小型的递归解析器，但即使这样，对于仅匹配括号来说也有点太多了。

解决方案 3：

这是使用错误工具完成工作的一个很好的例子。正则表达式不能很好地处理任意嵌套的子匹配。你应该做的是使用真正的词法分析器和解析器（C++ 的语法应该很容易找到）并查找意外的空循环体。

解决方案 4：

尝试这个正则表达式

^s*(for|while)s*
(
(?P<balanced>
[^()]*
|
(?P=balanced)
)
s*;s

我删除了环绕( )并将(?P=balanced)移到*任何非括号序列的后面。我曾使用 boost xpressive 进行过这项工作，并重新检查了该网站 ( Xpressive ) 以刷新我的记忆。

解决方案 5：

虽然有点晚了，但是我认为正则表达式不是适合这个工作的工具。

问题是您会遇到边缘情况，这会给正则表达式增加额外的复杂性。@est提到了一个示例行：

for (int i = 0; i < 10; doSomethingTo("("));

此字符串文字包含一个（不匹配的！）括号，这破坏了逻辑。显然，您必须忽略字符串文字的内容。为了做到这一点，您必须考虑双引号。但字符串文字本身可以包含双引号。例如，试试这个：

for (int i = 0; i < 10; doSomethingTo("\"(\\\"));

如果您使用正则表达式解决这个问题，它会为您的模式增加更多的复杂性。

我认为你最好解析语言。例如，你可以使用 ANTLR 之类的语言识别工具。ANTLR 是一个解析器生成器工具，它也可以生成Python 中的解析器。你必须提供定义目标语言的语法，在你的情况下是 C++。目前已经有许多适用于许多语言的语法，因此你可以直接获取C++ 语法。

然后您可以轻松地遍历解析器树，搜索空语句while或for循环体。

解决方案 6：

我甚至不会注意括号的内容。

for只需匹配以分号开头和结尾的任何行：

^    *for.+;$

除非您将for语句分成多行，否则这样可以正常工作？

解决方案 7：

我不知道正则表达式能否很好地处理这种情况。尝试这样做

line = line.Trim();
if(line.StartsWith("for") && line.EndsWith(";")){
    //your code here
}

解决方案 8：

Greg 完全正确。这种解析无法通过正则表达式完成。我认为可以构建一些可怕的怪物，它们在许多情况下都有效，但随后你就会遇到一些可以正常工作的东西。

您确实需要使用更传统的解析技术。例如，编写一个递归解析器来执行您需要的操作非常简单。

解决方案 9：

另一种想法是忽略括号并将视为for包含三个分号分隔值的构造：

fors*([^;]+;[^;]+;[^;]+)s*;

即使分成多行（一旦启用 MULTILINE），此选项仍有效，但假定这for ( ... ; ... ; ... )是唯一有效的构造，因此不适用于for ( x in y )构造或其他偏差。

还假设没有包含分号作为参数的函数，例如：

for ( var i = 0; i < ListLen('a;b;c',';') ; i++ );

这是否是可能的情况取决于你实际这样做的目的。

解决方案 10：

正如 Frank 所建议的，最好不要使用正则表达式。下面是一行（丑陋的）代码：

match_string = orig_string[orig_string.index("("):len(orig_string)-orig_string[::-1].index(")")]

与他在评论中提到的巨魔线相匹配：

orig_string = "for (int i = 0; i < 10; doSomethingTo(\"(\"));"
match_string = orig_string[orig_string.index("("):len(orig_string)-orig_string[::-1].index(")")]

返回(int i = 0; i < 10; doSomethingTo("("))

它的工作原理是向前遍历字符串，直到到达第一个左括号，然后向后遍历，直到到达第一个右括号。然后使用这两个索引来切分字符串。