怎样删除C/C++代码中的所有注释？浅谈状态机的编程思想

K&R习题1-23中，要求“编写一个程序，删除C语言程序中所有的注释语句。要正确处理带引号的字符串与字符常量。在C语言中，注释不允许嵌套”。

如果不考虑字符常量和字符串常量，问题确实很简单。只需要去掉//和/* */的注释。

考虑到字符常量'\''和字符串常量"he\"/*hehe*/"，还有类似<secure/_stdio.h>的头文件路径符号以及表达式5/3中的除号/，以及情况就比较复杂了。

另外，还有单行注释//中用\进行折行注释的蛋疼情况（这个情况连很多编辑器高亮都没考虑到）。

我想，这种问题最适合用正则表达式来解析，perl之类的语言应当很好处理，问题是这里让你用C语言实现，但是C语言对正则表达式并没有显式的支持。

学过编译原理的应该知道，正则表达式对应三型文法，也就对应着一个有限状态自动机（可以用switch偏重算法来实现，或者用状态转换矩阵/表偏重数据结构来实现），

所以这里的问题其实是设计一个状态机，把输入的字符流扔进去跑就可以了。

那什么是状态机呢？K&R第一章怎么没有介绍呢？

【一个简单的状态机】

先看《K&R》第一章的一个简单习题1-12："编写一个程序，以每行一个单词的形式打印其输入"

在这个题目之前，1.5.4节的单词计数示例中，其实K&R已经展示了一个非常简单的状态机。但没有提到这种编程思想。

当然这个题目也可以状态机的思想来编程。

回到题目，我们设初始的状态state为OUT，表示当前字符不在单词中（不是单词的组成字符），如果当前字符在单词中（属于单词的一部分），则state设为IN。

显然字符只能处于上述两种状态之一，有了这2个状态，我们就可以借助状态来思考问题 ——

（1）当前状态为OUT：若当前字符是空白字符(空格、制表符、换行符），则维护当前状态仍为OUT；否则改变状态为IN。

（2）当前状态为IN：若遇到的当前字符是非空白字符，则维护当前状态为IN；否则改变状态为OUT。

处于不同的状态，根据题意可以给予相对应的动作——

每当状态为IN的时候，意味字符属于单词的一部分，输出当前字符；

而当状态从IN切换为OUT的时候，说明一个单词结束了，此时我们输出一个回车符；

状态为OUT则什么也不输出；

可以看出，借助自定义的状态，可以使编程思路更加清晰。

在遍历输入字符流的时候，程序（机器）就只能处于两种状态，对应不同状态或状态切换可以有相应的处理动作。

这样的程序不妨称为“状态机”。

按照上面的思路，代码实现就非常简单了——

#include <stdio.h>
#define OUT 0 /* outside a word */
#define IN 1  /* inside a word  */
int main(void)
{
int c, state;
state = OUT;
while ( ( c = getchar() ) != EOF ) {
if (state == OUT) {
if (c == ' ' || c == '\t' || c == '\n')
state = OUT;
else {
state = IN;
putchar(c); //action
}
} else {
if (c != ' ' && c != '\t' && c != '\n') {
state = IN;
putchar(c); //action
} else {
putchar('\n');//action
state = OUT;
}
}
}
return 0;
}

让我们回到主题吧——

【“编写一个程序，删除C语言程序中所有的注释语句。要正确处理带引号的字符串与字符常量。在C语言中，注释不允许嵌套”】

按照注释的各方面规则，我们来设计一个状态机——

00）设正常状态为0，并初始为正常状态

每遍历一个字符，就依次检查下列条件，若成立或全部检查完毕，则回到这里检查下一个字符

01）状态0中遇到/，说明可能会遇到注释，则进入状态1　　　　　　　　　　ex. int a = b; /

02）状态1中遇到*，说明进入多行注释部分，则进入状态2　　　　　　　　　ex. int a= b; /*

03）状态1中遇到/，说明进入单行注释部分，则进入状态4　　　　　　　　　ex. int a = b; //

04）状态1中没有遇到*或/，说明/是路径符号或除号，则恢复状态0　　　　  ex. <secure/_stdio.h> or 5/3

05）状态2中遇到*，说明多行注释可能要结束，则进入状态3　　　　　　　　ex. int a = b; /*heh*

06）状态2中不是遇到*，说明多行注释还在继续，则维持状态2　　　　　　　ex. int a = b; /*hehe

07）状态3中遇到/，说明多行注释要结束，则恢复状态0　　　　　　　　　　ex. int a = b; /*hehe*/

08）状态3中遇到*，则恢复状态3　　　　　　　　　　                           ex. int a = b; /***

09）状态3中不是遇到/或*，说明多行注释只是遇到*，恢复状态2 　            ex. int a = b; /*hehe*h

10）状态4中遇到\，说明可能进入折行注释部分，则进入状态5　　　　　　　ex. int a = b; //hehe\

11）状态5中遇到\，说明可能进入折行注释部分，则维护状态5　　　　　　　ex. int a = b; //hehe\\\

12）状态5中遇到其它字符，则说明进入了折行注释部分，则恢复状态4　　　 ex. int a = b; // hehe\a or hehe\<enter>

13）状态4中遇到回车符\n，说明单行注释结束，则恢复状态0 　　　　　　　ex. int a = b; //hehe<enter>

14）状态0中遇到'，说明进入字符常量中，则进入状态6 　　　　　　　　　　ex. char a = '

15）状态6中遇到\，说明遇到转义字符，则进入状态7　　　　　　　　　　　ex. char a = '\

16）状态7中遇到任何字符，都恢复状态6 　　　　　　　　　　　　　　　　ex. char a = '\n 还有如'\t', '\'', '\\' 等 主要是防止'\''，误以为结束

17）状态6中遇到'，说明字符常量结束，则进入状态0　　　　 　　　　　　　ex. char a = '\n'

18）状态0中遇到"，说明进入字符串常量中，则进入状态8　　　　　　　　　ex. char s[] = "

19）状态8中遇到\，说明遇到转义字符，则进入状态9　　　　　　　　　　　ex. char s[] = "\

20）状态9中遇到任何字符，都恢复状态8　　　　　　　　　　　　　　　 　ex. char s[] = "\n 主要是防止"\"，误以为结束

21）状态8中遇到"字符，说明字符串常量结束，则恢复状态0　　　　　　　　ex. char s[] = "\"hehe"

前面说过，不同状态可以有相应的动作。比如状态0、6、7、8、9都需要输出当前字符，再考虑一些特殊情况就可以了。

读者实现时可以借助debug宏定义，将测试语句输出到标准错误输出，需要时可以重定位到标准输出，即2>&1，然后通过重定向|到more进行查看。

上面的状态机涉及到了[0, 9]一共10种状态，对应的状态转换图（或者说状态机/自动机）如下：



有了这些状态表示，编写代码就很容易了——

#include<stdio.h>
int main()
{
char c;
int state=0;
freopen("1.in","r",stdin);
freopen("1.out","w",stdout);
while((c=getchar())!=EOF)
{
switch(state)
{
case 0:
if(c=='/')// ex. [/]
state=1;
else if(c=='\'')// ex. [']
state=6;
else if(c=='\"')// ex. ["]
state=8;
else
putchar(c);
break;
case 1:
if(c=='*')// ex. [/*]
state=2;
else if(c=='/')// ex. [//]
state=4;
else
{ // ex. [<secure/_stdio.h> or 5/3]
putchar('/');
putchar(c);
state=0;
}
break;
case 2:
if(c=='*') // ex. [/*he*]
state=3;
else // ex. [/*heh]
state=2;
break;
case 3:
if(c=='/')// ex. [/*heh*/]
state=0;
else if(c=='*')
state=3;//ex. [/***]注意这里，不加这个条件，*的个数是奇数的时候出错
else// ex. [/*heh*e]
state=2;
break;
case 4:
if(c=='\\')// ex. [//hehe\]
state=5;
else if(c=='\n')// ex. [//hehe<enter>]
{
state=0;
putchar(c);
}
break;
case 5:
if(c=='\\')// ex. [//hehe\\\\\]
state=5;
else// ex. [//hehe\<enter> or //hehe\a]
state=4;
break;
case 6:
if(c=='\\')// ex. ['\]
state=7;
else if(c=='\'')// ex. ['\n' or '\'' or '\t' ect.]
{
state=0;
putchar(c);
}
break;
case 7:// ex. ['\n or '\' or '\t etc.]
state=6;
break;
case 8:
if(c=='\\')// ex. ["\]
state=9;
else if(c=='\"')// ex. ["\n" or "\"" or "\t" ect.]
{
state=0;
putchar(c);
}
break;
case 9:// ex. ["\n or "\" or "\t ect.]
state=8;
break;
}
if(state==6||state==7||state==8||state==9)
putchar(c);
}
return 0;
}

【测试用例（1）a.out < test.c > test2.c】
test.c如下：

/*
*This code make no sense(Compiled successfully),
*but for exercise1_23 in <<K&R>> to test remove all comments in C code.
*/

#          include         <stdio.h>
#  include  <secure/_stdio.h>
#include      "/Users/apple/blog/zhanghaiba/KandR/test.h"
#define CHAR '\'' /*/test/*/
#  define LESS(i) ( ((i) << 31) / 2 )
#        define STRING "\"string\"" //to ensure legal

int main(void)
{
int w; // \a
int x;/*hehe*/
double y; // \
double z; // \b \\\\
int none;

///*testing*/
int idx;
if (idx > 3 && idx < 6) idx = idx/100; //go and \
con_tinue\
hehe

/* // */
char a = '/';    // /
char b = '*';    // *
char c = '\'';    // '
char d = '\n';    // enter
char e = '\"';    // "
char f = '\\';    // \
char g = '<';    // <
char h = '>';    // >
char i = '"';    // "

/* special***string */
char special0[] = "\"hello, world!\"";
char special1[] = "//test";
char special2[] = "he\"/*hehe*/";
char *special = " \' hi \0\b\t \\\\ \a\e\f\n\r\v wolegequ \\ ";
return        0;
}

测试截图对比如下：

（说明：由于编辑器高亮的原因，注意//后面加字符\的折行注释部分颜色其实不对的，另外17行\后面是有一个空格的）



【测试用例（2）./a.out < ~/open_src_code/glibc-2.17/malloc/malloc.c > test2.c】

glibc-2.17源码中的的malloc.c包括空行和注释有5163行，经过上面去注释后代码变成3625行。

测试发现去注释成功。这里不可能贴对比代码了。

有兴趣的读者可自行测试。

欢迎提供测试不正确的用例代码。
转自：http://www.cnblogs.com/zhanghaiba/p/3569928.html