C - 如何使用 grep 查找所有内部循环？

Question

我有一个包含大量 C 文件的大型 C 项目。我必须找到所有的内循环。我确信项目中没有任何 O(n³) 块，因此必须找到 O(n²)-compexity 块（循环中的循环）。

是否可以使用 grep 找到所有内部循环？如果是，我可以使用什么正则表达式来查找所有出现的各种内部循环，例如 {for,for}、{while,for}、{for、while}、{do、while} 等？如果没有，是否有任何简单的 unix-way 方法来做到这一点（可能是多个 grep 或一种 awk）？

Answer 1

正则表达式适用于正则语言，您所描述的似乎是无上下文的，我很确定它不能使用正则表达式来完成。请参阅类似问题的答案here。您应该寻找其他类型的自动机，例如脚本语言（python 左右）。

Answer 2

这对于特定的编译器扩展来说是一个很好的例子。 最新的 GCC 编译器（即版本 4.6 的 GCC）可以通过 插件 扩展（痛苦地用 C 编码) 或通过MELT 扩展； MELT 是一种用于编写 GCC 扩展的高级域特定语言，MELT 比 C 更易于使用。

但是，我承认编写 GCC 扩展代码并非完全简单：您必须部分了解 GCC 的工作原理，以及它的主要内部表示形式（Gimple、Tree、...）。扩展 GCC 时，您基本上添加了自己的编译器通道，它可以做任何您想做的事情（包括检测嵌套循环）。编写 GCC 扩展通常需要一周以上的工作。 （最难的部分是理解 GCC 的工作原理）。

在 GCC 框架中工作（通过 C 中的插件或 MELT 中的扩展）的一大优势是您的扩展与编译器处理相同的数据。

回到寻找嵌套循环的问题上，不要认为它只是纯粹的句法（这就是grep 不能工作的原因）。在 GCC 编译器中，在某种级别的内部表示中，由for、或while、或do，甚至使用goto-s 实现的循环仍然被认为是一个循环，而对于 GCC，这些东西可以嵌套（并且 GCC 知道嵌套！）。

Answer 3

没有 C 解析器，您最多只能获得启发式解决方案。

如果您可以依赖代码中始终遵循的某些规则（例如，没有goto，没有通过递归的循环，...），您可以使用正则表达式扫描预处理的 C 代码。当然，grep 不够复杂，但只需几行 Perl 或类似代码就可以了。

但技术上更好、更可靠的方法是使用真正的 C 解析器。

Answer 4

C 中有三种循环：

• “结构化语法”（while、for、...） [注意 GCC，它可以隐藏语句，因此使用 (stmt; exp) 语法在表达式内循环！]
• 使用 goto 的临时循环；它们与结构化语法交互。
• 递归

要找到第一种，你必须找到结构化的语法和嵌套。

Grep 当然可以找到关键字（如果您忽略 cmets 和字符串中的误报），但它无法找到嵌套结构。您当然可以使用 grep 查找所有循环语法，然后简单地检查同一文件中出现的那些语法以查看它们是否嵌套。 （如果你想在没有误报的情况下这样做，你可以使用我们的Source Code Search Engine，它知道 C 的词法语法，并且永远不会混淆字符串何时是关键字、数字、字符串等.)

如果您想自动找到这些循环，您几乎需要一个完整的 C 解析器并完成扩展预处理。 （否则某些宏可能会隐藏关键的循环语法）。一旦有了 C 的语法树，就可以直接（尽管可能有点不方便）编写一些爬过树的代码，检测循环语法节点，并计算子树中的循环嵌套。您可以使用任何能够解析 C 并为您提供抽象 sytnax 树的工具来执行此操作。 ANTLR 可能会这样做；我认为 ANTLR 有一个 C 语法可以很好地处理 C，但是在使用 ANTLR 之前你必须运行预处理器。

您也可以使用我们的DMS Software Reengineering Toolkit 及其C Front End 来执行此操作。我们的 C 前端内置了完整的预处理器，因此它可以直接读取代码并在解析时进行扩展；它还处理相对广泛的 C 方言和字符编码（曾经处理过包含日语文本的 C 吗？）。 DMS 提供了一个额外的优势：给定一种语言（例如 C）前端，您可以直接使用语言语法为该语言编写模式。所以我们可以很容易地表达我们想要找到的片段：

 pattern block_for_loop(t:expression,l:expression,i:expression, s: statements): statement
     " for(\t,\l\,\i) { \s } ";

 pattern statement_for_loop(t:expression,l:expression,i:expression, s: statement): statement
     " for(\t,\l\,\i)  \s ";

 pattern block_while_loop(c:expression, s: statements): statement
     " while(\c) { \s } ";

 pattern statement_while_loop(c:expression): statement
     " for(\c)  \s ";

 ...

并将它们组合在一起：

 pattern_set syntactic_loops
     { block_for_loop,
       statement_for_loop,
       block_while_loop,
       block_statement_loop,
       ...
     }

给定模式集，DMS 可以扫描语法树并找到与任何集合成员的匹配项，而无需编写任何特定的树爬行机制，也无需了解有关树结构的大量细节。 （对于真正的 C 解析器，AST 中有很多节点类型！）以这种方式查找嵌套循环非常简单：自上而下扫描树以查找循环（​​使用模式集）；任何命中都必须是顶级循环。扫描找到的循环 AST 节点的子树（当您知道外循环的树在哪里时很容易）以查找其他循环；任何命中都必须是嵌套循环；如有必要，递归以拾取具有任意嵌套的循环。这也适用于 GCC loops-with-statements 的东西。树节点标有精确的文件/行/列信息，因此很容易生成位置报告。

对于使用 goto 构建的临时循环（什么，您的代码没有？），您需要能够生成实际控制流图的东西，然后将该图构造成嵌套控件流动区域。这里的要点是，包含无条件 goto out 的 while 循环并不是真正的循环，尽管有语法。和一个 if 语句，其 then 子句返回到 if 上游的代码可能真的是一个循环。所有这些循环语法的东西实际上只是你可能有循环的启发式提示！ 这些控制流区域包含控制流的真正嵌套； DMS 将construct C flow graphs, and will produce those structured regions。它提供了用于构建和访问该图的库；这样你就可以得到基于 goto 的“真正的”控制流。找到一对嵌套的控制流区域后，可以访问与部分区域关联的 AST 以获取要报告的位置信息。

GCC 总是很有趣，因为它显着增强了 C 版本。例如，它有一个间接的 goto 语句。 （常规 C 隐藏在 setjmp/longjmp 下！）。 面对这种情况，要找出循环，您需要points-to analysis，DMS 也提供了它。该信息由嵌套区域分析使用。点分析的准确性存在（保守的）限制，但以您获得正确的嵌套区域图为模。

递归更难找到。为此，您必须确定 A 是否调用 B ... 调用 Z 调用 A，其中 A 和 B 和 ... 可以位于单独的编译单元中。您需要一个global call graph，其中包含应用程序的所有编译单元。在这一点上，您可能希望我说 DMS 也这样做，瞧，我很高兴地说它确实。构建该调用图当然需要对函数调用进行点对点分析；是的，DMS 也这样做。使用调用图，您可以在调用图中找到可能是递归的循环。同样通过调用图，您可以找到间接嵌套，例如，一个函数中的循环，它调用另一个也包含循环的编译单元中的函数。

要准确地找到这样的循环结构，您需要大量的机器（这需要一些努力，但 C 是一种很难分析的语言），而 DMS 可以提供它。

如果您不关心准确性，也不关心所有类型的循环，您可以使用 grep 和手动过程来获取结构化循环语句所暗示的循环的半精确映射.

Answer 5

我怀疑单独使用 grep 是不可能找到这样的东西的：

public void do(){
    for(...){
        somethingElse();
    }
}

... Insert other code...

public void somethingElse(){
    for(.....){
        print(....);
    }
}