什么是用于检测Java代码中的for循环和while循环的正则表达式

Question

什么是正则表达式，用于检测a是否为loo，另一个是用于检测while循环。 想要检测for(--;--;--) while (--comparison operator --)和while (--comparison operator --)构造。

Answer 1

使用正则表达式不能可靠地做到这一点。 您需要使用适当的解析器来解析代码。

Answer 2

在Java中使用\\s来检测Java代码中的空格的人们正在犯至少一个，甚至几个错误。

首先，Java编译器本身对空格的想法与Java中\\s匹配方式不一致。 您可以通过\\p{JavaWhitespace}属性访问Java Character.isWhitespace() 。

其次，Java不允许\\s匹配Unicode空格； 按照Java Pattern类中的实现， \\s仅与ASCII空格匹配。 实际上，Java不支持与Unicode空格相对应的任何属性。

下表显示了一些问题区域：

                      000A    0085    00A0    2029
                      J  P    J  P    J  P    J  P
                \s    1  1    0  1    0  1    0  1
               \pZ    0  0    0  0    1  1    1  1
            \p{Zs}    0  0    0  0    1  1    0  0
         \p{Space}    1  1    0  1    0  1    0  1
         \p{Blank}    0  0    0  0    0  1    0  0
    \p{Whitespace}    -  1    -  1    -  1    -  1
\p{javaWhitespace}    1  -    0  -    0  -    1  -
 \p{javaSpaceChar}    0  -    0  -    1  -    1  -

您在x轴上看到的是四个不同的代码点：

U+000A: LINE FEED (LF)
U+0085: NEXT LINE (NEL)
U+00A0: NO-BREAK SPACE
U+2029: PARAGRAPH SEPARATOR

y轴具有八个不同的正则表达式测试，主要是属性。 对于每个代码点，Java都有一个J-results列，而Perl或任何其他基于PCRE的正则表达式引擎都有一个P-results列。

这是个大问题。 Java只是一团糟，根据现有实践以及根据Unicode，给出的答案都是“错误的”。 另外，Java甚至都不允许您访问真正的Unicode属性。 为了记录，这些是带有Unicode空白属性的代码点：

% unichars '\pP{Whitespace}'
0009 CHARACTER TABULATION
000A LINE FEED (LF)
000B LINE TABULATION
000C FORM FEED (FF)
000D CARRIAGE RETURN (CR)
0020 SPACE
0085 NEXT LINE (NEL)
00A0 NO-BREAK SPACE
1680 OGHAM SPACE MARK
180E MONGOLIAN VOWEL SEPARATOR
2000 EN QUAD
2001 EM QUAD
2002 EN SPACE
2003 EM SPACE
2004 THREE-PER-EM SPACE
2005 FOUR-PER-EM SPACE
2006 SIX-PER-EM SPACE
2007 FIGURE SPACE
2008 PUNCTUATION SPACE
2009 THIN SPACE
200A HAIR SPACE
2028 LINE SEPARATOR
2029 PARAGRAPH SEPARATOR
202F NARROW NO-BREAK SPACE
205F MEDIUM MATHEMATICAL SPACE
3000 IDEOGRAPHIC SPACE

如果你想，随时抢单字符程序和玩它和它的配套程序， uniprops和uninames 。 我还没有添加仅Java的属性，但是我打算这样做。 像上面描述的那样，有太多令人讨厌的惊喜。

对于\\p{javaJavaIdentifierStart} ，您相信Java中有一个\\p{javaJavaIdentifierStart}属性吗？ 我不骗你 但是您不会相信编译器实际上允许您在标识符中使用的字符。 真的你不会。 有人没有注意。 再次。 :(

Answer 3

您可以使用现代（PCRE风格）正则表达式解析几乎所有内容。 但是， 正确地解析某些事物通常在病理上是困难的。 构建一个小巧的正则表达式以仅匹配某些简单格式化的for循环很容易：

for\s*\([^;]*?;[^;]*?;[^)]*?\)

但是，当您遇到这种情况时会发生什么？

int i = 0;
for(
        String s = "for(0;1;2)";
        s.indexOf(String.valueOf(i)) != -1;
        i++ // increment the i variable ;-)
   )

如果需要100％的可靠性，最好使用成熟的专用Java解析器。 java.net文章“使用Java 6 API进行源代码分析”提供了一种可靠地解析Java源代码的方法的起点。

---

回复塔兹的评论：

我用.*for(.*;.*;.*).*做到了.*for(.*;.*;.*).*这可能是什么问题？

假设您要匹配的所有for循环都具有：

1. 他们没有换行符，
2. 没有嵌入/跟踪评论
3. 其中没有“字符串”或“ c”字符文字

我认为您的模式应该可以。 您可能需要在for和左括号之间留出空格：

.*for\s*(.*;.*;.*).*

但是，正如tchrist在回答此问题时指出的那样， \\s*并不是在Java源代码中允许空格的完美正确方法，因为Java源代码支持\\s不允许的Unicode空格类型。 同样，如果您需要100％的可靠性，那么完整的Java源代码解析器可能是一个更好的选择。

确保您关闭（或不打开）在您的解析器（如“点匹配换行符”选项DOTALL或单线 ）。 否则，您的正则表达式可能会跨多行匹配，这很可能导致您的正则表达式不正确匹配。

Answer 4

for ?\(.*?;.*?;.*?\)
while ?\(.+?\)

如果代码会变得非常复杂（除了说：此循环是否发生在代码中的任何地方），请改用解析器。

我们为什么需要这些？ 这里。 我确实需要检测到while循环中有一个比较运算符

如果我要离开？ 则它将匹配for ( for(this;that;theother)

我更新了while循环以使用+

Answer 5

我认为合资公司给出的正则表达式包含额外的问号。

这是我的版本：

for\s*\([^;]*;[^;]*;[^)]*\)

while\\s*\\(.*?\\)是正确的，但

while\\s*\\([^)]*\\)应该更快。

Answer 6

For循环最容易检测到：

for *\(.*;.*;.*)

虽然循环有点棘手，但是有两种方法可以做到。 如果要使用上面指定的格式，则应该可以使用：

while *\(.*(<|>|<=|>=|==|!=).*\)

但是，这不会检测到何时条件取决于变量的布尔值，也不取决于方法的布尔结果，因此此版本会更简单一些，并且匹配更多：

while *\(.*\)

Answer 7

正则表达式只能解析正则（Ch-3）语言。 Java不是常规语言，它至少是上下文无关的（Ch-2），甚至是上下文敏感的（Ch-1）。