从文本中删除注释，引号之间的注释字符除外

Question

我正在尝试构建一个正则表达式来从配置文件中删除注释。注释用 ; 字符标记。例如：

; This is a comment line
keyword1 keyword2 ; comment
keyword3 "key ; word 4" ; comment

我遇到的困难是忽略放在引号之间的注释字符。

有什么想法吗？

Answer 1

仅当分号后跟偶数个引号时，您才可以尝试匹配分号：

;(?=(?:[^"]*"[^"]*")*[^"]*$).*

请务必在使用此正则表达式时将 Singleline 选项关闭关闭，并且 Multiline< /code> 选项已打开。

在Python中：

>>> import re
>>> t = """; This is a comment line
... keyword1 keyword2 ; comment
... keyword3 "key ; word 4" ; comment"""
>>> regex = re.compile(';(?=(?:[^"]*"[^"]*")*[^"]*$).*', re.MULTILINE)
>>> regex.sub("", t)
'\nkeyword1 keyword2 \nkeyword3 "key ; word 4" '

Answer 2

没有正则表达式:)

$ grep -E -v '^;' input.txt
keyword1 keyword2 ; comment
keyword3 "key ; word 4" ; comment

Answer 3

您可以使用正则表达式先取出所有字符串，用一些占位符替换它们，然后简单地截掉所有 \$.*，最后替换回字符串:)

Answer 4

像这样的事情：

("[^"]*")*.*(;.*)

首先，匹配引号之间的任意数量的文本，然后匹配 ;。如果；位于引号之间，它将由第一组匹配，而不是第二组。

Answer 5

我（有点意外）想出了一个有效的正则表达式：

replace(/^((?:[^'";]*(?:'[^']*'|"[^"]*")? )*)[ \t]*;.*$/gm, '$1')

我想要：

• 删除行首或行尾的单行注释，
• 使用单引号和双引号，
• 能够仅一个引用评论：那个's有用（但也接受"）
  （因此，在评论分隔符后匹配平衡的引号（偶数），如 Tim Pietzcker 的答案 是不合适的），
• 将注释分隔符 ; 单独保留在 正确 中（闭合）引用的“字符串”
• 混合引用样式
• 多个引用的字符串（以及注释中/注释后的注释）
• 嵌套单/双引号分别。 要处理的双/单引号“字符串”
• 数据就像有效的 ini 文件（或程序集），只要它不包含转义引号或正则表达式文字等。

缺乏对 javascript 的回顾，我认为这可能是一个想法不匹配评论（并将其替换为''），但匹配评论之前的数据，然后将完整匹配数据替换为子比赛数据。
人们可以逐行设想这个概念（因此用匹配替换整行，从而“丢失”注释），但是多行参数似乎并不完全按照这种方式工作（至少在浏览器中）。

[^'";]* 开始吃掉从 'start' 开始的任何不 '"; 的字符。
^{（对我来说完全违反直觉，[^'";\r\n]* 将不起作用。）}

(?:'[^']*'|"[^"]*")? 是一个非捕获组，匹配零个或一组quote any chars quote ^{（和(?:(['"])[^\2]*\2)? in /^((?:[^'";]*(?:(['") ])[^\2]*\2)?)*)[ \t]*;.*$/gm 或
(?:(['"])[^\2\r\n]*\2)? 在 /^((?:[^'";]*(?: (['"])[^\2\r\n]*\2)?)*)[ \t]*;.*$/gm （虽然神秘地更好）不 工作（在 db 上崩溃'WDVPIVAlQEFQ;WzRcU',"hi;hi",0xfe,"'as)，但不添加另一个捕获组以便在比赛中重复使用是一件好事，因为无论如何它们都会受到惩罚)。 上面的}

组合被放置在一个非捕获组中，它可以重复零次或多次，并且它的结果被放置在一个捕获组1中传递。

这样我们就得到了 [ \t]*;.* ，它“简单地”匹配零个或多个空格和制表符，后跟一个分号，后跟零个或多个不是换行的字符。请注意 ; 不是可选的！！！

要更好地了解此（多行参数）的工作原理，请点击下面演示中的 exp 按钮。

function demo(){
  var elms=document.getElementsByTagName('textarea');
  var str=elms[0].value;
  elms[1].value=str.replace( /^((?:[^'";]*(?:'[^']*'|"[^"]*")?)*)[ \t]*;.*$/gm
                           , '$1'
                           )
                   .replace( /[ \t]*$/gm, ''); //optional trim
}


function demo_exp(){
  var elms=document.getElementsByTagName('textarea');
  var str=elms[0].value;
  elms[1].value=str.replace( /^((?:[^'";]*(?:'[^']*'|"[^"]*")?)*)[ \t]*;.*$/gm
                           , '**S**$1**E**'  //to see start and end of match.
                           );
}

<textarea  style="width:98%;height:150px" onscroll="this.nextSibling.scrollTop=this.scrollTop;">
; This is a comment line
keyword1 keyword2 ; comment
keyword3 "key ; word 4" ; comment

  
"Text; in" and between "quotes; plus" semicolons; this is the comment
  
  ; This is a comment line
  keyword1 keyword2 ; comment
  keyword3 'key ; word 4' ; comment and one quote ' ;see it?
  
_b64decode:
        db    0x83,0xc6,0x3A ; add   si, b64decode_end - _b64decode ;39
        push  'a'   
        pop   di 
  
        cmp   byte [si], 0x2B ; '+'


b64decode_end:
        ;append base64 data here
        ;terminate with printable character less than '+'
        db 'WDVPIVAlQEFQ;WzRcU',"hi;hi",0xfe,"'as;df'" ;'haha"
;"end'
  
</textarea><textarea style="width:98%;height:150px" onscroll="this.previousSibling.scrollTop=this.scrollTop;">
result here
</textarea>
<br><button onclick="demo()">remove comments</button><button onclick="demo_exp()">exp</button>

希望这有帮助。

PS：请评论有效示例是否以及在哪里可能会出现问题！由于我普遍认为（根据丰富的个人经验）不可能使用正则表达式（尤其是高级编程语言）可靠地删除注释，因此我的直觉仍然认为这不可能是万无一失的。然而，我已经投入现有数据并精心设计了“假设”两个多小时，但无法打破它（我通常非常擅长）。