如何用Python正则表达式提取CPP文件中的CHAR与WCHAR字符串

嘿，要区分提取CPP文件里的普通双引号CHAR字符串和带L前缀的WCHAR字符串，用正则表达式来处理是最直接的方案，我帮你整理了可行的实现思路和代码，还考虑了转义字符这种容易踩坑的情况：

核心匹配逻辑 #

CPP里的字符串经常会有转义字符（比如\"、\\），所以正则必须能跳过这些转义的双引号，避免提前终止匹配。对应的规则如下：

• CHAR字符串：匹配以双引号开头，中间包含任意非转义字符（含转义双引号），直到非转义双引号结束的内容，正则表达式为："((?:\\.|[^"\\])*)"
• WCHAR字符串：在CHAR规则基础上，前面加上大写L前缀（如果需要兼容小写l，可以改成[Ll]"((?:\\.|[^"\\])*)"），正则表达式为：L"((?:\\.|[^"\\])*)"

C++ 代码实现示例 #

下面是一个完整的C++程序，能读取指定CPP文件，分别提取两种字符串并输出：

#include <iostream>
#include <fstream>
#include <regex>
#include <vector>
#include <string>

int main() {
    // 替换成你的CPP文件路径
    std::ifstream target_file("your_target_file.cpp");
    if (!target_file.is_open()) {
        std::cerr << "Error: 无法打开目标文件！" << std::endl;
        return 1;
    }

    // 读取文件全部内容
    std::string file_content((std::istreambuf_iterator<char>(target_file)), 
                             std::istreambuf_iterator<char>());
    target_file.close();

    // 提取WCHAR字符串
    std::vector<std::wstring> wchar_results;
    std::wregex wchar_pattern(LR"(L"((?:\\.|[^"\\])*)")");
    auto wchar_iter_begin = std::wsregex_iterator(file_content.begin(), file_content.end(), wchar_pattern);
    auto wchar_iter_end = std::wsregex_iterator();
    for (auto iter = wchar_iter_begin; iter != wchar_iter_end; ++iter) {
        wchar_results.push_back((*iter)[1].str());
    }

    // 提取CHAR字符串
    std::vector<std::string> char_results;
    std::regex char_pattern(R"("((?:\\.|[^"\\])*)")");
    auto char_iter_begin = std::sregex_iterator(file_content.begin(), file_content.end(), char_pattern);
    auto char_iter_end = std::sregex_iterator();
    for (auto iter = char_iter_begin; iter != char_iter_end; ++iter) {
        char_results.push_back((*iter)[1].str());
    }

    // 打印结果
    std::cout << "=== 提取到的CHAR字符串 ===" << std::endl;
    for (const auto& str : char_results) {
        std::cout << "- " << str << std::endl;
    }

    std::wcout << L"\n=== 提取到的WCHAR字符串 ===" << std::endl;
    for (const auto& str : wchar_results) {
        std::wcout << L"- " << str << std::endl;
    }

    return 0;
}

注意事项 #

• 正则中的(?:\\.|[^"\\])*是核心：\\.匹配任意转义字符，[^"\\]匹配除双引号和反斜杠外的普通字符，非捕获组(?:...)用来组合这两种情况，避免生成多余的捕获结果。
• 如果你的CPP文件使用特殊编码（比如UTF-16），需要调整文件读取的方式，确保字符处理正确。
• 这个方案会忽略字符串在注释中的情况，如果需要排除注释里的字符串，还需要额外处理注释的匹配逻辑（比如单行//和多行/* */注释）。

内容的提问来源于stack exchange，提问作者Yoram Abargel