使用Python实现Java代码高亮时正则匹配注释异常问题求助

原有代码问题 #

• 注释内容重复：先将整行所有内容加入结果列表，又额外将匹配到的注释内容追加到列表末尾，导致同一段注释出现两次
• 处理优先级错误：没有优先处理注释，注释内部内容可能被错误识别为关键词，且按空格拆分单词的逻辑会破坏连续的注释结构
• 正则匹配规则不完整：无法正确匹配带前导空格的完整注释块，也没有覆盖多行注释的场景

修复后完整代码 #

import re

# 提前定义Java关键词列表，可根据需要补充
keywords = {"public", "class", "static", "void", "int", "String", "if", "else", "for", "while", "return"}
# 匹配单行块注释（含前导空格）的正则，也支持后续调整为跨多行注释匹配
comment_regex = re.compile(r'(\s*\/\*[\s\S]*?\*\/)')

def print_html():
    """输出带高亮标签的HTML内容"""
    text = txt_edit.get(1.0, tk.END)
    new_text = []
    
    for line in text.split("\n"):
        line_parts = []
        # 先按注释拆分整行内容，拆分结果为[非注释段, 注释段, 非注释段, ...]的结构
        segments = comment_regex.split(line)
        for seg in segments:
            # 如果当前段是注释，直接加comment标签
            if comment_regex.fullmatch(seg):
                line_parts.append(f'<span class="comment">{seg}</span>')
                continue
            # 非注释段处理关键词：按空格拆分，匹配到关键词加标签
            word_list = []
            for word in seg.split(" "):
                if word in keywords:
                    word_list.append(f'<span class="keyword">{word}</span>')
                else:
                    word_list.append(word)
            line_parts.append(" ".join(word_list))
        # 拼接当前行所有片段
        new_text.append("".join(line_parts))
    
    final_html = "\n".join(new_text)
    print(final_html)

修复逻辑说明 #

1. 优先处理注释：使用正则将注释作为整体匹配拆分，注释内容直接套<span class="comment">标签，不会再处理内部的字符，避免错误识别关键词
2. 无重复追加：直接对拆分后的片段做替换处理，所有内容只出现一次，解决注释重复的问题
3. 正则优化：匹配注释时包含前导空格，符合预期输出中注释前的空格也被包裹在comment标签内的要求，[\s\S]*?可以匹配任意字符包括换行，后续需要支持多行注释时也无需大幅修改正则

内容的提问来源于stack exchange，提问作者Evan Gertis