去除C/C++程序代码中的注释

最近搞软件著作权，去除代码空行和注释比较麻烦，想写个程序自动去除，去网上搜了下，发现有类似的程序，不过只有去除注释。鉴于word中可以去除空行（用^p^p替换^p），先用网上的代码，以后有时间写个完整版的，遍历代码文件夹搜索指定的格式，自动生成最终结果。

注：这个博客的方法不是最好的，最好的方法是使用正则表达式（2013.12.03）

转载自http://blog.csdn.net/mznewfacer/article/details/6942857

程序员面试宝典上面的题目有很多是很经典的问题，可供我们思考，而且会对我们面试有很大好处。

下面是第45页的一个题目：编写一个函数，实现把C/C++程序代码中的注释去掉，我开始看的时候总是看不懂，后来在网上看到一个网友详细的分析了其代码，但是我看了之后觉得有好多地方他分析的都不对，于是，我自己又花了半天的时间分析了一遍，觉得自己理解了，下面给出我的分析语句。如果还有不严谨的部分，请指教！

/********************************************************
 功能：去除C/C++中的注释
 输入：指向C/C++程序代码的指针及长度
 来源：程序员面试宝典第45页

分析：一次读取一行，分两种情况，因为有两种注释：

（1）在读取到的一行中查找“//”，如果找到，则把“//”及其后的部分扔掉。

（2）在读取到的一行中查找“/*”，记录位置pos1，然后再在这行中查找“*/”，如果找到，也记录位置pos2，扔掉它们与其中的内容，以pos2开始，继续查找“/*”；如果在当前行中没有找到，则去掉当前行中“/*”及其后的内容，读取新的一行，查找“*/”，如没有。则去掉读取到的这一行，再读一行，查找“*/”，如找到，记录位置pos2，去掉这一行的0到pos2之间的字符。

（3）进行步骤1、步骤2，直到程序结束。

编程时要考虑的特殊情况i：

“”中的“//”“/*”

''中的“//”“/*”

“//”与“/*”的嵌套关系，比如///* 、/*  //*/
 *********************************************************/

#include <stdio.h>
#include <stdlib.h>
#include <fcntl.h>
#include <string.h>
#include <unistd.h>
#include <sys/types.h>

void remove_comment(char *buf, size_t size)
{
 char *p, *end, c;          //p-动态移动的字符指针，end-指向文件末尾的字符指针，c-存储没一个p指向的字符
 char *sq_start, *dq_start; //sq_start-单引号开始位置（single），dq_start-双引号开始（double）
 char *lc_start, *bc_start; //lc_start-//的开始位置，bc_start-/*的开始位置
 size_t len;                //记录某符号结束和开始的位置之差（长度，偏移量）
 
 p = buf;
 end = p + size;
 sq_start = dq_start = NULL;
 lc_start = bc_start = NULL;
 
 while (p < end) /*当指针没有到达文件末尾 */
 {
  c = *p;     //用字符变量c存储指针指向的字符
  
  switch (c) //根据c的值做相应处理
  {
   case '\'': /*处理单引号*/
   {
    if (dq_start || lc_start || bc_start) //当遇到过双引号、//或/*的时候，则不需要再判断'//'的情况了。
    {
     p++;
     continue; //继续下一个，对while而言的
    }
    /*******************************以下是没有遇到过双引号或//或/*的时候*******************************/
    if (sq_start == NULL) /****如果未遇到单引号****/
    {
     sq_start = p++; //start指向单引号的开始位置，p指向下一个

}
    else /*如果遇到过单引号，sq_start指向单引号开始位置*/
    {
     len = (p++) -sq_start;

if (len == 2 && *(sq_start+1) == '\\')

{

/*若遇到 “  '\''   ”这种情况则两个单引号并未匹配，遇到的“'”是“\' ”中的，而不是与sq_start所指向单引号匹配*/
      continue;
     }
     
     sq_start = NULL; //否则将sq_start置位为NULL

}
    /*******************************以上是没有遇到过双引号或//或/*的时候*******************************/
    break;
   }
   
   case '\"': /*处理双引号*/
   {
    if (sq_start || lc_start || bc_start) //当遇到过单引号、//或/*的时候，则不需要处理
    {
     p++;
     continue;
    }
    /*****************以下是没有遇到过单引号或//或/*的时候*****************/
    if (dq_start == NULL) /*如果没有遇到过双引号*/
    {
     dq_start = p++; //标记遇到了双引号
    }
    else if (*((p++) -1) =='\\')

{

/*若遇到 “" ab\''cd"   ”这种情况则两个双引号并未匹配，遇到的“"”是“\"”中的，而不是与dq_start所指向双引号匹配*/
     continue;
    }
    dq_start = NULL; //如果双引号中不是//，标记为NULL
    /*****************以上是没有遇到过单引号或//或/*的时候*****************/
   }
   
   case '/': //斜杠，注意这个斜杠也可以是'//'，"//",//,/*/中的第二个斜杠，但会在下面第二行代码中被忽略掉
   {
    if (sq_start || dq_start || lc_start || bc_start) //如果是单引号、双引号、斜杠、/*的后面
    {
     p++;
     continue;
    }
    /***********************下面是遇到注释//或/*的时候****************************/
    c = *(p + 1); //否则c取p指向字符的下一个字符
    if (c == '/') //遇到了双斜杠
    {
     lc_start = p; //标记双斜杠的开始
     p += 2; //p指向双斜杠后面的字符
    }
    else if (c == '*') //遇到了/*
    {
     bc_start = p; //标记/*的开始
     p += 2; //p指向/*后面的字符
    }
    /*************************上面是遇到注释//或/*的时候**************************/
    else
    {

p++; 
    }
   }
   
   case '*': //星号，同斜杠，但少了如果遇到/*的情况，因为遇到这种情况后，要判断是不是遇到结束的地方*/了
   {
    if (sq_start || dq_start || lc_start) //如果是单引号、双引号、斜杠、/*的后面
    {
     p++;
     continue; 
    }
    
    if (*(p + 1) != '/') //如果星号后面紧跟的不是斜杠，那么忽略过。
    {
     p++;
     continue;
    }
    
    p += 2; //否则p指向斜杠后面那个字符。注意下面的清空语句，p指向的那个字符并不会被清除。
    memset(bc_start, ' ', p-bc_start); //清空/* …… */中间的内容包括注释符号本身。
    bc_start = NULL;
    break;
   }
   
   case '\n': /*换行符，主要处理遇到双斜杠时，需要清除双斜杠到\n的前面的字符*/
   {
    if (lc_start == NULL) //如果还没有遇到双斜杠，那么忽略
    {
     p++;
     continue;

}
    
    c = *(p - 1);
    /*如果遇到过双斜杠，清空双斜杠本身和到\n前面的那个字符，p指向下一个字符，/r是回车符（光标退回到最前面），这里要判断

c == '\r'是因为在UNIX系统下文件结尾的换行只有\n，而windows系统下文件结尾的换行为\r\n   */

memset(lc_start, ' ', (c == '\r'? ((p++) -1) : p++) - lc_start); 
    lc_start = NULL;
    break;
   }
   
   default:
    p++;
    break;
  }
  /****************************************************
  如果遇到双斜杠，这个if语句存在的意义在于万一最后
  一行代码是带有双斜杠但没有给换行符\n的，也要清除掉。
    *****************************************************/
  if (lc_start) 
  {
   memset(lc_start, ' ', p - lc_start);
  }
 }
}

/**********************************************
   main函数的开始
***********************************************/
int main (int argc, char *argv[])
{
 int fd, n;
 char buf[102400];
 
 if (argc != 2)
 {
  printf("command error: Input as ./command <file>\n");
 }
 
 fd = open(argv[1], O_RDONLY); /*只读打开*/
 if (fd == -1)
 {
  return -1;
 }
 
 n = read(fd, buf, sizeof(buf));
 if (n == -1 || n == 0)
 {
  close(fd);
  return -1;
 }
 printf("test\n");
 remove_comment(buf, n);
 *(buf + n) = '\0';
 printf("%s", buf);
 close(fd);
 
 return 0;
}