我正在编写一个Perl脚本，现在到了需要逐行分析Java源文件来检查对标准Java类名称的引用的地步。我知道我正在寻找的班级。也是正在搜索的源文件的标准名称(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。

目前，我能想到的情况是：

• 所解析的文件与搜索类位于同一程序包中。在foo / bar / Boing.java中找到foo.bar.Baz引用
• 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 */

• 在线完全合格的参考。

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

• 基于导入语句的引用。

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

在Perl 5.8中，最有效的方法是什么？一些花哨的正则表达式也许？

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

解决方案

尽管我确实在CPAN中找到了我们可能可以使用的以下模块，但是Regex可能是对此的最佳解决方案。

• Java :: JVM :: Classfile-解析编译的类文件并返回有关它们的信息。我们必须先编译文件，然后才能使用此文件。

另外，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。

我们还需要跳过带引号的字符串(如果我们还不处理带引号的字符串，则甚至无法正确跳过注释)。

我可能会编写一个非常简单，高效且不完整的令牌生成器，与在节点566467中编写的令牌生成器非常相似。

基于该代码，我可能只是浏览非注释/非字符串块，以查找\ 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(  ) {
            ... # 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//.*]g-c  ) {
    # skip C++ comments

对于Baz(或者/(foo.bar。|)Baz /，如果我们担心来自some.other.Baz的误报)，这实际上只是一个直截了当的grep，但忽略了注释，不是吗？

如果是这样，我将整理一个状态引擎以跟踪我们是否在多行注释中。所需的正则表达式没有什么特别的。与(未测试的代码)类似的东西：

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";
}

这不是完美的，注释的输入/输出状态可能会被嵌套的多行注释弄乱，或者同一行上有多个多行注释，但这对于大多数实际情况来说已经足够了。

要在没有状态引擎的情况下执行此操作，我们需要将其插入单个字符串，删除/.../注释，然后将其拆分为单独的行，然后对不带注释注释的行进行grep。但是我们将无法以这种方式在输出中包含行号。

这就是我想出的方法，适用于我抛出的所有不同情况。我仍然是Perl新手，它可能不是世界上最快的东西，但它应该可以满足我的需求。感谢我们提供的所有答案，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(){
        $imported = 1;
      } elsif(){
        push(@confirmedRefs, $lineNum);
      }
    }
  }
  close F;      
  if($imported){
    push(@confirmedRefs,@potentialRefs);
  }

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

如果我们有足够的冒险精神，可以看看Parse :: RecDescent。