如何将pycparser生成的AST正确转换为Python anytree格式

需要将pycparser生成的C代码AST转换为Python anytree树结构供后续处理，当前改造自Java javalang解析逻辑的转换代码存在两个核心问题：

• 节点关键信息缺失：常量值、标识符名（如函数名printf）、类型名等属性未被收录
• 存在冗余无效节点，无法确认转换逻辑的正确性

现有实现代码 #

C代码解析函数 #

def program_parser(func):
    parser = c_parser.CParser()
    ast = parser.parse(func, filename='<none>')
    #print(ast)
    return ast

anytree树构建入口逻辑 #

# Initialize head node of the code.
head = Node(["1",get_token(c_code)])
# Recursively construct AST tree.
for child_order in range(len(get_children(c_code))):
    get_trees(get_children(c_code)[child_order], head, "1"+str(int(child_order)+1))

辅助函数实现 #

def get_token(node):
    token = ''
    if isinstance(node, c_ast.FileAST):
        token = node.__class__.__name__
    elif isinstance(node[1], str):
        token = node[1]
        #print(token)
    elif isinstance(node[1], set):
        token = 'Modifier'  # node.pop()
        #print(token)
    elif isinstance(node[1], c_ast.Node):
        token = node[1].__class__.__name__
        #print(token)
    #print(token)
    return token

def get_children(root):
    if isinstance(root, c_ast.FileAST):
        children = root.children()
    elif isinstance(root[1], c_ast.Node):
        children = root[1].children()
    elif isinstance(root, set):
        children = list(root)
    else:
        children = []

    def expand(nested_list):
        for item in nested_list:
            if isinstance(item, list):
                for sub_item in expand(item):
                    yield sub_item
            elif item:
                yield item

    return list(expand(children))

def get_trees(current_node, parent_node, order):
    
    token, children = get_token(current_node), get_children(current_node)
    node = Node([order,token], parent=parent_node, order=order)

    for child_order in range(len(children)):
        get_trees(children[child_order], node, order+str(int(child_order)+1))

测试用例与异常表现 #

使用如下简单C代码做测试：

void main()
{
    printf("Hello world");
}

生成的anytree存在明显异常：

• Constant节点下没有收录"Hello world"这类常量实际值
• 缺失printf这类标识符名称
• 函数名、类型名等关键属性均未被收录
• 生成的节点数量异常偏多，无法判断转换逻辑是否正确

现有逻辑是从Java AST解析场景硬移植过来的，完全没有适配pycparser的节点结构设计：pycparser所有AST节点都继承自c_ast.Node，节点属性直接存储在实例__slots__定义的字段中，不是javalang返回的(键, 值)元组结构，原逻辑用下标node[1]取值的写法完全不符合pycparser的API设计，既拿不到节点的属性值，还会生成大量无效冗余节点。

正确转换实现 #

直接基于pycparser官方的节点遍历方法重写转换逻辑即可，不需要保留原有适配Java的冗余判断：

from anytree import Node
from pycparser import c_ast

def build_anytree(node, parent=None, order="1"):
    # 提取节点核心标识：节点类型 + 关键属性值
    node_label = node.__class__.__name__
    # 按需补充需要展示的节点属性，可根据业务场景扩展
    attr_map = {
        "ID": "name",
        "Constant": "value",
        "FuncDef": "name",
        "TypeDecl": "declname",
        "IdentifierType": "names"
    }
    if node.__class__.__name__ in attr_map:
        attr_val = getattr(node, attr_map[node.__class__.__name__], "")
        node_label = f"{node_label}: {attr_val}"
    
    # 创建anytree节点
    anytree_node = Node(
        name=[order, node_label],
        parent=parent,
        order=order,
        # 可将节点所有原始属性挂载到节点上供后续处理使用
        raw_attrs={k: getattr(node, k) for k in node.__slots__ if k != "coord"}
    )

    # 递归遍历子节点构建树
    children = list(node.children())
    for idx, child in enumerate(children, start=1):
        build_anytree(child, parent=anytree_node, order=f"{order}{idx}")
    
    return anytree_node

使用方式 #

from pycparser import CParser
# 先解析得到pycparser原生AST
parser = CParser()
c_code = """
void main()
{
    printf("Hello world");
}
"""
ast = parser.parse(c_code, filename='<none>')
# 传入根节点构建完整anytree
root = build_anytree(ast)

效果说明 #

修正后的实现可以完全对齐pycparser原生AST结构：

• ID节点会正确显示printf等标识符名称
• Constant节点会显示"Hello world"等常量实际值
• 函数定义、类型声明节点都会正确展示对应的名称信息
• 不会生成冗余无效节点
• 如果需要展示更多节点属性，直接在attr_map中添加对应节点类型和要读取的属性名即可

内容的提问来源于stack exchange，提问作者batman