删除评论时无法维护代码结构[重复]

Question

我正在尝试替换各种 cmets（单行、内联和多行）。当 // 和 /* */ 没有出现在任何类型的引号之间时，初始正则表达式工作得非常好，"" 或 """""" 。当我稍微修改正则表达式以处理和排除引号之间的 // 的出现时，它的失败和初始代码结构也混乱了。

这是我最初的正则表达式 (Regex:1)：(?:/\\*(?:[^*]|(?:\\*+[^*/]))*\\*+/)|(?://.*)

这是我调整的正则表达式以尝试处理引号内的单行 cmets (Regex:2)：(?:/\\*(?:[^*]|(?:\\*+[^*/]))*\\*+/)|[^\"](?://.*)[^\"]

考虑这个示例数据：

// Comment 1
/* Multiline comments
ends here */  Some text
Random statement // something else
import something..
import something else /* few random stuff
that goes on */ /* Lets try this again */
Text to show
val tryThis = "  something // else "
val tryAgain = "12345" 
val again = " /* kskokds // */ "

Regex:1 的实际结果 =>

  Some text
Random statement 
import something..
import something else  
Text to show
val tryThis = "  something 
val tryAgain = "12345" 
val again = "  "

Regex:2 的实际结果 =>

// Comment 1
  Some text
Random statementimport something..
import something else  
Text to show
val tryThis = "  somethingval tryAgain = "12345" 
val again = "  "

预期结果 =>

  Some text
Random statement 
import something..
import something else  
Text to show
val tryThis = "  something // else "
val tryAgain = "12345" 
val again = " /* kskokds // */ "

Answer 1

我在这里及时成为第一个发布此著名问题链接的人： RegEx match open tags except XHTML self-contained tags

一个严肃的答案是

我认为这里的缺陷在于 HTML 是 Chomsky Type 2 语法 （上下文无关语法）和 RegEx 是 Chomsky Type 3 语法（正则 语法）。因为类型 2 语法基本上比 类型 3 语法（参见乔姆斯基层次结构），它在数学上是 用 RegEx 解析 XML 是不可能的。

Java cmets 的标准也不是上下文无关文法。所以所有关于解析 html 的内容都适用于这里。