从 C 文件中删除注释

Question

工作目的：学习如何使用标准C库的函数来处理文件

任务： 有一个包含 C 程序的文件。有必要删除其中的所有注释并将没有注释的代码写入新文件。

解释和实施特点：

1. 程序文件可能会很大。因此，不能预先将整个文件读入数组。
2. 注释可以是单行或多行。如果使用“反斜杠”字符“\”移动到下一行，单行注释也可以由多行组成。
3. C语言中没有嵌套注释
4. 不考虑字符串常量内的注释
5. 文件不一定代表正确的C程序。例如，评论可能会在未关闭的情况下中断
6. 允许出现一些新的空格和/或换行符来代替已删除的注释，并且允许不存在一些现有的非重要分隔符。
7. 不允许删除带引号（双引号和单引号）的常量字符串中的数据。

输入输出数据： 源文件始终命名为 test.c 输出文件必须命名为 test.wc

我的代码：

#include <stdio.h>

#define TRUE 1
#define FALSE 0

typedef int BOOL;

int mygetc (FILE *in) {
        for (;;) {
                int c = getc(in);
                if (c == '\\') {
                        c = getc(in);
                        if (c == '\n')
                                continue;
                        if (c != EOF)
                                ungetc(c, in);
                        c = '\\';
                }
                return c;
        }
}

int skip_line_comment (FILE *in) {
        int c;
        while ((c = mygetc(in)) != '\n' && c != EOF)
                continue;
        return c;
}

int skip_block_comment (FILE *in) {
        int c;
        for (;;) {
                while ((c = mygetc(in)) != '*') {
                        if (c == EOF)
                                return c;
                }
                while ((c = mygetc(in)) == '*')
                        continue;
                if (c == EOF)
                        return c;
                if (c == '/')
                        return ' ';
        }
}

void removeComments (FILE *in, FILE *out) {
        int c;
        while ((c = mygetc(in)) != EOF) {
                if (c == '"' || c == '\'') {
                        int separator = c;
                        fputc(c, out);
                        while ((c = mygetc(in)) != separator && c != EOF) {
                                fputc(c, out);
                                if (c == '\\') {
                                        c = mygetc(in);
                                        if (c == EOF) break;
                                        fputc(c, out);
                                }
                        }
                } else if (c == '/') {
                        c = mygetc(in);
                        if (c == '/') c = skip_line_comment(in);
                        else if (c == '*') c = skip_block_comment(in);
                        else fputc('/', out);
                        
                }
                if (c == EOF) break;
                fputc(c, out);
        }
}

int main () {
        const char inName[20]  = "test.c";
        const char outName[20] = "test.wc";
        FILE *in;
        FILE *out;
  
        in  = fopen(inName, "r");
        out = fopen(outName, "w");
       
        removeComments(in, out);

        fclose(in);
        fclose(out);
  
        return 0;
}

.zip 包含测试： Google Disk

1. 测试 1 - 正确
2. 测试 2 - 正确
3. 测试 3 - 第一行缺少“/”
4. 测试 4 - 预期在一行中出现“* * *”，但在不同的行中得到 *
5. 测试 5 - 正确
6. 测试 6 - “”的问题，有一些额外的行，如“”“”“”“”\“”“\”，必须删除
7. 测试 7 - 正确
8. 测试 8 - 去掉多余的线
9. 测试 9, 10 - / 和 \ 组合的问题
10. 测试 11 - 正确
11. 测试 12 - 正确
12. 测试 13 - 正确

Answer 1

这个问题有多个问题：

1. 尚不清楚输出程序是否与源程序有细微的差别，例如

   • 行结尾（LF 或 CR/LF 对）
   • 非重要的初始和/或尾随空格
   • 空行
   • 抑制转义换行序列（

     \

     后跟行尾序列）

2. 测试文件使用 DOS 行结束序列 (CR/LF) 进行编码，预期输出文件使用 unix 行结束 (LF) 和 DOS 行结束序列的不一致组合。该zip文件还包含macOS属性文件（在__MACOSX/目录中），表明它是在Mac上生成的，Mac使用unix行结尾，并且不会翻译以文本模式打开的文件的行结尾（

   "r"

   和

   ） "w"

   ）。预期的输出文件很可能是在 mac 或 unix 系统上从 DOS 源文件生成的，其中 DOS 行尾序列是从源文件中原样复制的，将

   '\n'

   输出替换为多行注释未翻译通过标准库将 CR/LF 序列转换为 CR/LF 序列，就像它们在遗留系统上一样。

3. 测试文件包含许多不一致之处，例如缺少空格和换行符。问题陈述应该更精确，指定单行注释应替换为单个换行符，多行注释应替换为单个空格。

这使得编写能够精确产生预期输出的程序变得困难。

您的程序非常简单并且看起来正确，但会有一些限制和错误：

• 如果在unix系统上编译，它无法识别CR/LF序列，因此它不会将CR/LF后面的

  \

  处理为转义换行符。这会阻止正确处理注释，其中

  //

  、

  /*

  或

  */

  序列被分成两行并带有转义换行符。

• 程序不会将序列

  /"

  处理为

  /

  后跟字符串开头，因为

  "

  是由正文末尾的

  fputc(c, out)

  输出的，并且仅测试下一个字符的

   '

  或

  "

  。同样的问题

  /'

  。

• 程序会抑制所有转义换行符，包括那些外部注释，这不是测试文件所期望的。