如何使用Perl识别对Java类的引用？

Question

我正在写一个Perl脚本，我已经到了一个点，我需要逐行解析Java源文件，检查对完全限定的Java类名的引用。 我知道我正在寻找的课程; 也是正在搜索的源文件的完全限定名称（基于其路径）。

例如，在com / bob / is / YourUncle.java文件中找到对foo.bar.Baz的所有有效引用。

此时我能想到的需要考虑的案例是：

1. 正在解析的文件与搜索类位于同一个包中。

   在foo / bar / Boing.java中找到foo.bar.Baz引用

2. 它应该忽略评论。

    // this is a comment saying this method returns a foo.bar.Baz or Baz instance // it shouldn't count /* a multiline comment as well this shouldn't count if I put foo.bar.Baz or Baz in here either */ 

3. 在线完全限定参考。

    foo.bar.Baz fb = new foo.bar.Baz(); 

4. 引用基于import语句。

    import foo.bar.Baz; ... Baz b = new Baz(); 

在Perl 5.8中最有效的方法是什么？ 有些花哨的正则表达式可能吗？

open F, $File::Find::name or die;
# these three things are already known
# $classToFind    looking for references of this class
# $pkgToFind      the package of the class you're finding references of
# $currentPkg     package name of the file being parsed
while(<F>){
  # ... do work here   
}
close F;
# the results are availble here in some form

Answer 1

正则表达式可能是最好的解决方案，尽管我确实在CPAN中找到了您可以使用的以下模块

• Java :: JVM :: Classfile - 解析已编译的类文件并返回有关它们的信息。 您必须先编译文件才能使用它。

此外，请记住，使用正则表达式捕获多行注释的所有可能变体可能很棘手。

Answer 2

您还需要跳过引用的字符串（如果您不处理引用的字符串，则甚至无法正确跳过注释）。

我可能会编写一个相当简单，高效且不完整的标记化器，与我在节点566467中编写的标记器非常相似。

基于该代码，我可能只是挖掘非注释/非字符串块寻找\\bimport\\b和\\b\\Q$toFind\\E\\b匹配。 也许类似于：

if( m[
        \G
        (?:
            [^'"/]+
          | /(?![/*])
        )+
    ]xgc
) {
    my $code = substr( $_, $-[0], $+[0] - $-[0] );
    my $imported = 0;
    while( $code =~ /\b(import\s+)?\Q$package\E\b/g ) {
        if( $1 ) {
            ... # Found importing of package
            while( $code =~ /\b\Q$class\E\b/g ) {
                ... # Found mention of imported class
            }
            last;
        }
        ... # Found a package reference
    }
} elsif( m[ \G ' (?: [^'\\]+ | \\. )* ' ]xgc
    ||   m[ \G " (?: [^"\\]+ | \\. )* " ]xgc
) {
    # skip quoted strings
} elsif(  m[\G//.*]g­c  ) {
    # skip C++ comments

Answer 3

这真的只是Baz的直接grep（或/（foo.bar。|）Baz /如果你担心some.other.Baz的误报），但忽略评论，不是吗？

如果是这样的话，我会把一个状态引擎组合起来跟踪你是否在进行多行注释。 所需的正则表达并不特别。 （ 未经测试的代码 ）：

my $in_comment;
my %matches;
my $line_num = 0;
my $full_target = 'foo.bar.Baz';
my $short_target = (split /\./, $full_target)[-1];  # segment after last . (Baz)

while (my $line = <F>) {
    $line_num++;
    if ($in_comment) {
        next unless $line =~ m|\*/|;  # ignore line unless it ends the comment
        $line =~ s|.*\*/||;           # delete everything prior to end of comment
    } elsif ($line =~ m|/\*|) {
        if ($line =~ m|\*/|) {        # catch /* and */ on same line
            $line =~ s|/\*.*\*/||;
        } else {
            $in_comment = 1;
            $line =~ s|/\*.*||;       # clear from start of comment to end of line
        }
    }

    $line =~ s/\\\\.*//;   # remove single-line comments
    $matches{$line_num} = $line if $line =~ /$full_target| $short_target/;
}

for my $key (sort keys %matches) {
    print $key, ': ', $matches{$key}, "\n";
}

它并不完美，注释状态的输入/输出可能会被嵌套的多行注释搞砸，或者如果同一行上有多个多行注释，但这对于大多数真实案例来说可能已经足够了。

要在没有状态引擎的情况下执行此操作，您需要插入单个字符串，删除/ ... / comments，然后将其拆分为单独的行，并为非//注释命中grep。 但是你不能以这种方式在输出中包含行号。

Answer 4

这就是我想出来的，它适用于我抛出的所有不同情况。 我仍然是一个Perl noob，它可能不是世界上最快的东西，但它应该适用于我需要的东西。 感谢所有答案，他们帮助我以不同的方式看待它。

  my $className = 'Baz';
  my $searchPkg = 'foo.bar';
  my @potentialRefs, my @confirmedRefs;
  my $samePkg = 0;
  my $imported = 0;
  my $currentPkg = 'com.bob';
  $currentPkg =~ s/\//\./g;
  if($currentPkg eq $searchPkg){
    $samePkg = 1;  
  }
  my $inMultiLineComment = 0;
  open F, $_ or die;
  my $lineNum = 0;
  while(<F>){
    $lineNum++;
    if($inMultiLineComment){
      if(m|^.*?\*/|){
        s|^.*?\*/||; #get rid of the closing part of the multiline comment we're in
        $inMultiLineComment = 0;
      }else{
        next;
      }
    }
    if(length($_) > 0){
      s|"([^"\\]*(\\.[^"\\]*)*)"||g; #remove strings first since java cannot have multiline string literals
      s|/\*.*?\*/||g;  #remove any multiline comments that start and end on the same line
      s|//.*$||;  #remove the // comments from what's left
      if (m|/\*.*$|){
        $inMultiLineComment = 1 ;#now if you have any occurence of /* then then at least some of the next line is in the multiline comment
        s|/\*.*$||g;
      }
    }else{
      next; #no sense continuing to process a blank string
    }

    if (/^\s*(import )?($searchPkg)?(.*)?\b$className\b/){
      if($imported || $samePkg){
        push(@confirmedRefs, $lineNum);
      }else {
        push(@potentialRefs, $lineNum);
      }
      if($1){
        $imported = 1;
      } elsif($2){
        push(@confirmedRefs, $lineNum);
      }
    }
  }
  close F;      
  if($imported){
    push(@confirmedRefs,@potentialRefs);
  }

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

Answer 5

如果你有足够的冒险精神，你可以看看Parse :: RecDescent 。