使用Microsoft Roslyn提取C#和VB.NET源代码中的字符串常量

Microsoft Roslyn是微软.NET“编译器即服务（Compiler as a Service）”的主要产品，它提供了开放的编译器API，并为源代码产生、分析和重构提供了新一代的语言对象模型。Anders Hejlsberg在BUILD 2013大会上提到，C# 6.0的编译器将使用Roslyn实现，这一实现会包含在Visual Studio 2013之后的产品中。根据Anders的描述，C# 6.0的编译器将采用C#开发，从而告别现有的本机代码（native code）的实现方式，“虽然是采用C#来实现C#编译器，但我想性能至少不会比原来的实现方式差。”

有关Roslyn的内容，可以参考以下链接：

• Microsoft Roslyn CTP
• The Roslyn Project
• Anders Hejlsberg Q&A: TypeScript, C#, Roslyn, and More

让我们先睹为快，了解一下Roslyn的一个具体应用：提取C#和VB.NET代码中的字符串常量。

字符串常量的提取

先看下面的一段代码：

using System;
using System.Collections;
using System.Linq;
using System.Text;

namespace HelloWorld
{
    class Program
    {
        static void Main(string[] args)
        {
            // Output a "greeting" string
            Console.WriteLine("Hello, World!");
            // Output another "say hello" string
            Console.WriteLine("Hi, nice to meet you!");
        }
    }
}

很明显这段代码中有四个字符串：greeting、Hello, World!、say hello和Hi, nice to meet you!，或许我们可以通过正则表达式来提取这些字符串，但请注意：这些字符串中有两个是在注释语句中出现的，而不是我们所需要的字符串常量。我们只需要得到其中真正用于可执行代码的Hello, World!和Hi, nice to meet you!，这如果通过正则表达式来区分还是有一定难度的，而且对于字符串中的转义字符等特殊字符的判断和提取，正则表达式也略显麻烦。

现在，让我们用Roslyn来完成这一工作。首先，打开Visual Studio 2012/2013，新建一个控制台程序（Console Application），.NET Framework的版本选用4.5或者4.5.1。然后，在新建的控制台程序项目上单击右键，选择Manage NuGet Packages菜单项（注意：.NET Framework的版本必须是4.5以上）：

在打开的对话框中，搜索Roslyn，并将Roslyn安装到项目中：

首先创建一个语法树的访问者，它继承于Roslyn.Compilers.CSharp.SyntaxWalker，用于遍历访问C#的语法树，它的实现如下：

class ExtractStringLiteralVisitor : SyntaxWalker
{
    readonly List<string> literals = new List<string>();
    public override void VisitLiteralExpression(LiteralExpressionSyntax node)
    {
        if (node.Kind == SyntaxKind.StringLiteralExpression)
            literals.Add(node.ToString());
        base.VisitLiteralExpression(node);
    }

    public IEnumerable<string> Literals { get { return literals; } }
}

然后，将上面第一段代码文本保存到一个名为source的字符串变量中（当然实际应用中也可以从文件读入源代码），并使用SyntaxTree产生语法树对象，之后使用上面的ExtractStringLiteralVisitor从根部对语法树进行遍历。由于重写的VisitLiteralExpression方法中保存了被访问的文本节点，因此，当Visitor完成遍历之后，即可通过Literals属性获得所有的字符串常量。

var syntaxTree = SyntaxTree.ParseText(source);
var root = syntaxTree.GetRoot();
var visitor = new ExtractStringLiteralVisitor();
visitor.Visit(root);
foreach (var literal in visitor.Literals)
    Console.WriteLine(literal);

程序输出如下：

当然还可以使用root.DescendantNodes方法来简化上面的过程。我在例子中使用Visitor的目的就是为了体现Roslyn的语法解析功能。

对VB.NET语言的应用

上面的输入代码是一段C#的程序，如果是VB.NET的源代码，其实处理过程是一样的，无非就是将引用的命名空间从Roslyn.Compilers.CSharp改为Roslyn.Compilers.VisualBasic。注意：Roslyn.Compilers.CSharp和Roslyn.Compilers.VisualBasic下都有SyntaxTree等类型的定义，但这些类型都是独立的，并非从某个基类继承或实现了某些接口，在实际应用中还得注意这点。

应用场景的思考

Roslyn的应用场景应该还是很多的，比如大家熟悉的FxCop，能够根据一些规则来检测托管程序集是否满足这些规则，以保证质量。但FxCop很局限，它需要使用反射，并根据程序集的调试信息PDB文件进行规则判断，而对于源代码本身的规范校验就不太适用了。仔细思考，Roslyn却能够在保证源代码编写规范方面，起到一定的作用。比如：

• 对定义的变量名、函数名等进行拼写检查
• 检查注释语句中的拼写错误
• 检查变量、函数等的命名规范
• XML文档的自动化翻译（可以借助Bing Translate、Google Translate的API实现自动化翻译），等等

大家也可以在实际中总结一些能够使用Roslyn的场景，我想只要合理利用，一定能在实际工作中帮助我们提高效率，做到事半功倍。