0

Не могу корректно составить регулярное выражение для парсинга элементов, входящих в Си-шное перечисление. Например, имеется перечисление вида:

typedef enum AG_TMP_MSG_ID
{
//single line comment
    /*multi-line
    comment*/
    TMP_ERR_SUCCESS = 0x00, //comment
        TMP_ERR_FAILURE = 0x01, //comment
    TMP_ERR_SETUP,// do not use TMP_ERR_SETTING
    TMP_MSG_NAME,/*TMP_PRODUCT*/
    TMP_MSG_NAME_1/*TMP_PRODUCT_1*/,
    TMP_MSG_NAME_BASE_MAX = TMP_ASD_OPTYPE_NAME_BASE + TMP_ASD_TRX_TYPE_END,
}

Из него необходимо получить только имена элементов перечисления. Все имена начинаются с префикса TMP_. Составил выражение вида,

(TMP_[\w]*)\w*

но оно хватает лишние имена (закомментированные, а также значения последнего элемента перечисления).

3 ответа 3

2

В таких случаях по хорошему нужен полный синтаксический анализ. Потому что есть много нюансов синтаксиса, которые надо обходить. Боле менее корректное регулярное выражение выглядит так (применять с флагом s):

(?>\/{2}.*?\n|\/\*.*?\*\/|=.*?[,}]|^.*?\{)(*SKIP)(*F)|TMP_\w*

Сначала мы сверх жадно захватываем все участки в которых анализ не должен проходить, т.е. содержимое комментариев двух видов, все от знака = до запятой или конца структуры, а так же, все до начала содержимого структуры (от начала текста до {). Все эти участки мы отбрасываем с помощью (*SKIP)(*F), после чего наконец выделяем нужные подстроки с TMP.

Тест на regex101.com Демонстрация работы в php

В случае если ваши регулярные выражения не поддерживают такой функционал, как SKIP, можно обойтись без него, но тогда будут пустые срабатывания, нашедшие пустоту. И надо будет брать только те элементы, где найденное вошло именно в первую группу захвата.

И вполне возможно, что я в данном выражении предусмотрел не все подводные камни и тогда надо будет его допиливать. На данный момент у меня нет уверенности правильной обработки вложенных разнотипных комментариев и последнего объявления в структуре при наличии после него комментариев.

1

Раз у вас все элементы указаны в начале строк, то искать нужно от начала ^ каждой строки, потом пропускать имеющиеся в наличии пробелы \s*\K и забирать названия TMP_\w+:

/^\s*\KTMP_\w+/m

Тест https://regex101.com/r/iCPV1C/1

2
  • Спасибо, но что, если библиотека регулярных выражений не поддерживает "\K" ?
    – lwkrm
    5 окт 2017 в 12:11
  • Насколько древний у вас php? Обновляйте его до 7.x версии. А в регулярку можете группу ввести /^\s*(TMP_\w+)/m
    – Visman
    5 окт 2017 в 12:15
1

Я бы сделал как-нибудь так, если брать именно описанные у вас казусы:

\n\s+(TMP_[\w\d_]*)\s?[=|,]

т.е. Это регулярка для случаев когда каждое объявлениен начинается с новой строки, после него идет возмжно один пробел, возможно сразу идет комментарий типа /.../(я кстати тут не учел комментарии после объявления но до запятой/равно начинающиеся с //), потмо идет или запятая или =. Если что-то еще может быть регулярка это не учтет.

Тестировать регулярки удобно тут: https://regex101.com/

Ваш ответ

By clicking “Отправить ответ”, you agree to our terms of service and acknowledge that you have read and understand our privacy policy and code of conduct.

Всё ещё ищете ответ? Посмотрите другие вопросы с метками или задайте свой вопрос.