c - 在文件中查找单词无法正常工作

Question

我正在用 C 语言编写一个函数，该函数读取文件并查找不在注释和字符串中的单词(例如 printf("Hello world") 我只需要 printf，"hello"和 "world"不能是计算)但在某些文件中我的程序也计算字符串中的单词

int isDelimiter(char *delim, char c){
  int i = 0;
  while (delim[i])
  {
    if (delim[i] == c)
        return 1;
    i++;
  }
  return 0;
}

int getIdentifiers(FILE *filePointer){

  char line[256], identifier[100];

  //char delimiters[] = "\n\[]();~`!=><|*/:&% \t\"{},-+#^$'&";
  char delimiters[] = {'\n', '\"', '[', ']', '(', ')', ';', '~', '`', 
    '!', '=', '<','>', '|', '*','/',':','&',
    '%','\t', '{', '}', ',','-','+','#','^','$','&','\0'};

  int cnt=0, inWord=0, isString=0, isSingleLineComment=0, 
     isMultiComment=0, isChar=0;

  rewind(filePointer);

  while(fgets(line, sizeof(line), filePointer)!=NULL){

    int i=0, j=0;

    isSingleLineComment=0;

    while(line[i]){

      //multi line comment check
      if(line[i]=='/' && line[i+1]=='*') isMultiComment=1;

      //single line comment
      if(line[i]=='/' && line[i+1]=='/') isSingleLineComment=1;

      //ending multi line comment
      if(line[i]=='*' && line[i+1]=='/' && isMultiComment==1) isMultiComment=0;

      //checking for string
      if(line[i]=='"' && isString==0) isString=1;

      //check if assignment char is in quote
      if(line[i]=='\'' && isChar==0) isChar =1;
      else if(line[i]=='\'' && isChar==1) isChar=0;

      //splitting textline into words
      if(inWord==0){
        if(!isDelimiter(delimiters, line[i])) {
          inWord = 1;
          identifier[j] = line[i];
          j++;
        } else {
          i++;
          continue;
        }
      } else {
        //ending word
        if(isDelimiter(delimiters, line[i])) {
          if(line[i]=='"' ) isString=1;

          inWord=0;
          identifier[j]= '\0';
          j=0;

          // identifier checking
          if(!isString && !isMultiComment && !isSingleLineComment && 
             !isChar &&
             !isdigit(identifier[0])){
             cnt++;
          }
        } else {
          identifier[j]= line[i];
          j++;
        }
      }

      if(line[i]=='"' && isString){
        isString=0;
      }
      i++;
    }
  }

  return cnt;
}

我测试的文件包含:

int a;
//int c;
/*int k;
*/
"int i;\"int c;"
int =e;

预期返回值必须为4(我需要的单词是“int”、“a”、“int”和“e”，但值为2。

Answer 1

扩展@MichaelDorgan 的评论，您还需要处理有关字符串的其他几种边缘情况。这两种情况都会导致您当前的解析器失败:

"This string \" contains a double quote"
"This one contains ' a single quote"

我强烈建议更改解析器的基本架构，以在识别单词的状态下启动，但如果您看到任何 /* // " 或 ' 您切换到 (A) 忽略单词的状态，并且 (B) 使用单独的循环来消耗输入，直到它正确识别当前状态的有效终止，之后返回到初始状态。

因此 /* 将继续读取文本，直到找到 */，而 // 只是丢弃当前行的其余部分然后重置。同样，" 和 ' 向前扫描，直到找到第二个未转义的副本，忽略其他所有内容。在此模式下，您需要特别注意反斜杠，以便正确处理内容如 "\""、"\\" "\\\"" 等