如何用Python以预处理.i文件为输入统计原始C源代码行数？

要从预处理后的.i文件统计原始C代码行数，核心是利用预处理过程中生成的#line指令——这些指令会标记每段代码对应的原始文件名和行号，我们可以通过解析这些指令来跟踪原始代码的位置，避免统计宏展开产生的冗余行。

实现思路 #

1. 解析#line指令：预处理文件中会包含类似#line 12 "test.c"的指令，其中数字是原始行号，引号内是原始文件名，用正则匹配提取这些信息。
2. 跟踪原始代码位置：维护当前对应的原始文件和行号，每遇到一行普通代码（非#line指令），就记录其对应的原始行位置。
3. 去重统计：用集合存储已统计的原始行（格式为(文件名, 行号)），避免宏展开后同一原始行被多次统计。
4. 按文件汇总：最后将统计结果按原始文件名分类输出。

Python代码实现 #

import re

def count_original_c_lines(preprocessed_file_path):
    # 匹配#line指令的正则：支持带文件名和不带文件名的情况
    line_directive_pattern = re.compile(r'^#line\s+(\d+)\s*(?:\"([^\"]+)\")?')
    counted_original_lines = set()
    current_original_file = None
    current_original_line = 0

    with open(preprocessed_file_path, 'r', encoding='utf-8') as f:
        for raw_line in f:
            stripped_line = raw_line.strip()
            
            # 跳过空行（如果需要统计原始空行，删除此判断）
            if not stripped_line:
                continue

            # 处理#line指令，更新当前原始文件和行号
            directive_match = line_directive_pattern.match(stripped_line)
            if directive_match:
                current_original_line = int(directive_match.group(1))
                if directive_match.group(2):
                    current_original_file = directive_match.group(2)
                continue

            # 记录有效代码对应的原始行
            if current_original_file and current_original_line > 0:
                counted_original_lines.add((current_original_file, current_original_line))
                current_original_line += 1

    # 按原始文件汇总行数
    line_count_by_file = {}
    for file, line_num in counted_original_lines:
        line_count_by_file[file] = line_count_by_file.get(file, 0) + 1

    return line_count_by_file

# 使用示例
if __name__ == "__main__":
    result = count_original_c_lines("your_file.i")
    for original_file, line_count in result.items():
        print(f"原始文件 {original_file}: {line_count} 行有效代码")

关键注意事项 #

• 依赖#line指令：确保预处理时没有去掉这些指令（比如GCC默认保留，使用-P参数会移除，此时无法用此方法统计）。
• 空行统计选择：代码中默认跳过空行，如果需要统计原始文件中的空行，删除if not stripped_line: continue这一行即可，但需注意预处理过程中可能生成额外空行。
• 多文件支持：如果原始C代码包含#include，预处理文件会整合所有头文件内容，本代码会自动按原始文件名分别统计各文件的代码行数。

内容的提问来源于stack exchange，提问作者naomikim