替换 Java 源文件中的起始注释

Question

我正在编写一个 c# 程序来更新 java 源代码的起始注释 - 这通常是许可证 header-。以下代码段可以完成这项工作。

                foreach (string r in allfiles)
                {
                    // GC.Collect();
                    string thefile = System.IO.File.ReadAllText(r);
                    var pattern = @"/\*(?s:.*?)\*/[\s\S]*?package";
                    Regex regex1 = new Regex(pattern /*,RegexOptions.Compiled */) ;
                    var replaced = regex1.Replace(thefile, newheader + "package");
                    System.IO.File.WriteAllText(r, replaced);
                }

问题是在处理了数百个源文件后，进程挂在了 .Replace

这不是垃圾 Collection 的问题，因为强制它不能解决问题。 RegexOptions.Compiled 与否并不重要。

我很确定这取决于模式中的一个问题，因为挂起出现在某些文件上 - 如果从处理中删除 - 让作业继续直到一千个源文件结束。但是如果我单独处理这些文件，它可以工作，如果我使用在线测试工具作为 http://regexstorm.net/tester https://www.myregextester.com/index.php

如果有任何方法可以更好地优化用于查找文件中第一个 Java 评论的搜索模式，请告诉我。

提前致谢。

Answer 1

您的正则表达式包含 2 个与延迟点匹配相关的瓶颈（单行模式下的 . 和 [\s\S]*? 是同义词）。当运行一个针对大文件的正则表达式时，回溯缓冲区可能会很容易且快速地溢出。

常用的技术是 unroll/unwrap 带有否定字符 class 和量化组的结构。

您可以使用

@"/\*[^*]*(?:\*(?!/)[^*]*)*\*/\s*package"

见regex demo

正则表达式细分：

/\* - 文字 /*
[^*]* - *
(?:\*(?!/)[^*]*)* - (?s:.*?) 的展开变体，匹配 0 个或多个序列...
- \*(?!/) - * 符号后面没有 /
- [^*]* - *
\*/ - */
\s* - 0 个或更多空白字符
package - 文字字母序列 package

替换 Java 源文件中的起始注释

Replace starting comment in Java source file

.net

c#

java

regex

string