已完成C++框架文件隔离，如何实现冗余代码清理？求技术方案

我手里有一个包含多模块的大型C++框架，需要开发工具完成两个步骤：

1. 扫描所有*.cpp、*.h、*.hpp文件，先隔离出与指定可执行文件相关的文件（这部分已经用C#实现）
2. 在这些隔离出来的文件中，删除编译该可执行文件不需要的代码——比如框架里有多种数据库模块，只保留关系型数据库相关的代码；再比如某个format_string.hpp里只保留被实际调用的15个函数

这个工具主要用于学习C++代码、后续转译其他语言，删除操作是非永久的，只是为了减少手动检查的代码量。现在卡在第二步，纠结应该用正则表达式，还是词法分析器+解析器来实现？

解决方案建议 #

绝对不要用正则表达式处理C++代码 #

C++语法的复杂性（嵌套注释、宏展开、模板特化、重载、条件编译、预处理指令等）完全超出了正则表达式的处理能力：

• 正则无法正确识别语法上下文，比如会把注释里的函数名误判为有效代码，或者遇到模板函数、类的嵌套定义就彻底失效
• 无法处理宏替换带来的动态语法变化，很容易误删有效代码或者漏删无用代码

必须用词法分析器+语法解析器的方案 #

只有通过完整的语法分析，才能准确识别代码结构和符号依赖关系，步骤如下：

1. 生成抽象语法树（AST）：对目标C++文件做词法扫描和语法解析，生成AST，这是准确识别所有代码元素（函数、类、变量、宏等）的基础
2. 标记被使用的符号：结合指定可执行文件的编译依赖信息（比如通过gcc -M获取依赖链，或者利用Clang静态分析得到的调用关系），标记出所有被该可执行文件实际调用的符号
3. 精简代码：遍历AST，删除未被标记的符号对应的代码节点，最后将精简后的AST重新生成为可读的C++代码

简化实现的建议 #

从头实现C++解析器成本极高，推荐直接用现成的成熟工具：

• 优先考虑Clang LibTooling：它是LLVM/Clang生态下的工具库，能直接处理C++代码生成AST，支持静态分析和代码修改，非常适合这类代码精简场景
• 如果要和已有的C#代码集成，可以通过P/Invoke调用Clang的C接口，或者寻找.NET生态下的C语法解析库（比如基于ANTLR的C语法实现）

另外，由于需求是非永久删除，建议始终对原文件生成副本进行修改，避免误操作破坏原代码。

内容的提问来源于stack exchange，提问作者user366312