求Python正则表达式精准识别C函数体开头并插入注释的方案

现有正则的问题分析 #

你的原有正则存在两个核心问题：

1. 开头的[^(if|else|switch|for|if\s+|else\s+|switch\s+|for\s+)]写法错误——正则的字符集[]仅作用于单个字符，无法用来排除完整的关键字短语，导致对if/else等语句的排除逻辑完全失效。
2. .*是贪婪匹配且无法处理嵌套括号，遇到if(MACRO(expa) && MACRO(expb)) {这类带嵌套括号的语句时，会直接匹配到最后一个)，导致错误截取内容。

优化后的正则方案 #

针对C函数的语法特征，我们需要实现两个核心逻辑：排除if/else/switch/for关键字开头的语句、正确匹配带嵌套括号的函数参数列表。

正则表达式（Python 3.10+） #

利用Python 3.10支持的递归子模式处理嵌套括号，同时通过负向预查排除关键字：

import re

# 定义正则模式，使用VERBOSE模式提高可读性，MULTILINE处理多行
func_pattern = re.compile(r'''
    ^\s*                          # 匹配行开头的任意空格（支持缩进的函数）
    (?!(if|else|switch|for)\b)    # 负向预查：排除以指定关键字开头的行
    [\s\S]*?                      # 非贪婪匹配函数修饰符、返回类型、函数名（支持跨多行的函数头部）
    (\((?:[^()]|(?2))*\))         # 递归匹配括号内的参数，完美处理嵌套括号
    \s*                           # 匹配括号后的空格或换行
    \{                            # 匹配函数体的左大括号
''', re.VERBOSE | re.MULTILINE)

注释插入实现 #

通过re.sub实现匹配后插入指定注释：

def insert_function_comment(c_code: str, comment: str = '/* my comment */') -> str:
    # 将匹配到的函数头部+{替换为原内容+换行+注释
    return func_pattern.sub(r'\g<0>\n{}'.format(comment), c_code)

测试示例 #

输入C代码 #

static my_struct1* alloc_mem (my_struct2* a)
{
    // 函数内容
}

if(MACRO(expa) && MACRO(expb)) {
    // 条件语句，不会被匹配
}

void test_func(int x, MACRO(y, nested(z))) {
    // 带多层嵌套参数的函数
}

// 跨多行的函数头部
extern void
cross_line_func(char* arg1, int arg2)
{
    // 跨多行函数
}

输出结果 #

static my_struct1* alloc_mem (my_struct2* a)
{
/* my comment */
    // 函数内容
}

if(MACRO(expa) && MACRO(expb)) {
    // 条件语句，不会被匹配
}

void test_func(int x, MACRO(y, nested(z))) {
/* my comment */
    // 带多层嵌套参数的函数
}

// 跨多行的函数头部
extern void
cross_line_func(char* arg1, int arg2)
{
/* my comment */
    // 跨多行函数
}

注意事项 #

1. 依赖Python 3.10+：递归子模式是Python 3.10新增的特性，若使用旧版本Python，可通过(\((?:[^()]+|\([^()]*\))*\))替代递归子模式，但仅能处理一层嵌套括号。
2. 语法边界：无法处理极端复杂的C语法（如函数指针作为参数、宏定义的非常规函数头部），但可覆盖绝大多数常规函数定义场景。
3. 跨多行支持：正则中使用[\s\S]*?替代.*?，确保可以匹配跨多行的函数头部。

内容的提问来源于stack exchange，提问作者Nox Player