如何用正则表达式检测C++硬编码字符串以实现国际化替换？

先给你拆解C++里常见的字符串类型，再凑出能用的正则，顺便提几个避坑点：

1. 分类型写正则 #

先逐个搞定每种字符串的匹配规则：

• 普通窄字符串：就是咱们最常用的"..."，还要能识别转义字符（比如\"、\\）

  "([^"\\]|\\.)*"
  

• 宽字符字符串：带L前缀的L"..."

  L"([^"\\]|\\.)*"
  

• 原始字符串（窄）：R"分隔符(内容)分隔符"这种，分隔符是可选的字母/数字/下划线

  R"([a-zA-Z0-9_]*)\(([\s\S]*?)\)\1"
  

• 宽字符原始字符串：LR"分隔符(内容)分隔符" 或者 RL"分隔符(内容)分隔符"

  (LR|RL)"([a-zA-Z0-9_]*)\(([\s\S]*?)\)\2"
  

2. 组合成完整正则 #

把上面的规则用|拼起来，一定要注意顺序——原始字符串的匹配要放在最前面，不然会被普通字符串的正则误抓开头的R"：

(LR|RL)"([a-zA-Z0-9_]*)\(([\s\S]*?)\)\2"|R"([a-zA-Z0-9_]*)\(([\s\S]*?)\)\1"L"([^"\\]|\\.)*"|"([^"\\]|\\.)*"

提醒下：[\s\S]*?是用来匹配原始字符串里的任意内容（包括换行），非贪婪模式避免匹配到后面的闭合标记。

3. 别把注释里的字符串算进去 #

直接用正则会把//或者/* */里的字符串也抓出来，这肯定不是你要的，得先预处理文件：

• 先删掉所有单行注释：匹配//.*$替换为空
• 再删掉多行注释：匹配/\*[\s\S]*?\*/替换为空
  处理完注释再跑正则，就不会误抓了。

4. 替换的具体逻辑 #

你得搞个全局计数器和一个索引表（比如用字典存）：

1. 计数器从1开始，索引表用来存「索引→原始字符串」
2. 遍历每个CPP文件：
   • 先做注释清理
   • 用正则扫所有匹配的字符串
   • 每抓到一个：
     • 把原始字符串存到索引表，对应当前计数器值
     • 把代码里的字符串替换成s(计数器值)
     • 计数器加1
3. 最后输出修改后的CPP文件和索引表（CSV或者JSON都行，方便后续翻译）

5. 几个必须注意的坑 #

• 字符串拼接：C++里"hello" "world"会被编译器合并，正则会当成两个字符串抓，这时候你得加额外逻辑判断，把相邻的字符串合并成一个索引，不然会生成两个没必要的条目
• 宏定义里的字符串：比如#define MSG "hello"，这类字符串替换了会搞坏宏，得判断是不是在预处理指令里，直接跳过
• 字符字面量：别把'a'当成字符串，上面的正则只会匹配双引号的，所以没问题，但要注意别写错正则把单引号也包含进去
• 后续做VS扩展：如果以后要搞VS插件，别死磕正则，用VS自带的Code Model API直接解析代码结构，能精准拿到字符串的位置和内容，比正则靠谱多了，正则毕竟是文本匹配，代码结构复杂了容易出错

内容的提问来源于stack exchange，提问作者Michael Chourdakis