如何用正则表达式匹配C语言特定指针赋值语句并提取表达式？

我来帮你搞定这个正则匹配的需求！你要捕捉的是(*((_type*)expressionA)) = expressionB;（或外层带括号的((*((_type*)expressionA)) = expressionB);）这种格式的C代码行，提取其中的expressionA和expressionB。

原正则的问题 #

你之前的正则[*][(][\s]*[(\s]*.*[*][)\s]*(.*)\s*[)]\s*=(.*)[\s]*;存在几个关键问题：

• 用了贪婪的.*，会过度匹配，导致无法正确区分类型部分和表达式部分
• 没有处理表达式中嵌套的括号（比如expressionA里的(type01_01_06_offset * 1)）
• 没有考虑类型前的修饰符（比如volatile、unsigned）
• 无法兼容语句外层带括号的情况（比如结尾的);）

改进后的正则（PCRE兼容） #

针对你的场景，我写了一个支持嵌套括号、覆盖修饰符和两种结尾格式的正则：

^\s*\(\*\(\((?:[\w_]+\s+)*[\w_]+\*\)\((?<exprA>(?:[^()]|(\((?<DEPTH>)|\)(?<-DEPTH>)))*)(?(DEPTH)(?!))\)\)\s*=\s*(?<exprB>(?:[^();]|(\((?<DEPTH2>)|\)(?<-DEPTH2>)))*)(?(DEPTH2)(?!))\s*[);]\s*$

正则各部分解析 #

让我拆解一下这个正则的核心逻辑：

• ^\s*：匹配行首的任意空白字符（适配代码缩进）
• \(\*\(\(：精准匹配开头的(*((
• (?:[\w_]+\s+)*[\w_]+\*：匹配类型部分，支持带修饰符的类型（比如volatile unsigned short*），[\w_]+匹配C语言的标识符，(?:...)是非捕获组用来重复匹配修饰符
• (?<exprA>(?:[^()]|(\((?<DEPTH>)|\)(?<-DEPTH>)))*)(?(DEPTH)(?!))：捕获expressionA，用PCRE的平衡组语法处理嵌套括号，确保括号完全匹配，避免误截断
• \)\)：匹配类型转换后的))
• \s*=\s*：匹配等号前后的任意空白
• (?<exprB>(?:[^();]|(\((?<DEPTH2>)|\)(?<-DEPTH2>)))*)(?(DEPTH2)(?!))：捕获expressionB，同样用平衡组处理嵌套括号，同时排除结尾的分号/括号加分号
• \s*[);]\s*$：匹配结尾的;或);，以及行尾的空白

测试验证 #

用你给出的两个测试案例验证：

1. 代码行：(*((volatile unsigned short*)(type01_01_06_base + (type01_01_06_offset * 1))) = (unsigned short)(unsigned long)0x01010101);
   • 捕获的exprA：type01_01_06_base + (type01_01_06_offset * 1)
   • 捕获的exprB：(unsigned short)(unsigned long)0x01010101
2. 代码行：(*((volatile unsigned char*)add)) = (unsigned char)data;
   • 捕获的exprA：add
   • 捕获的exprB：(unsigned char)data

注意事项 #

• 这个正则依赖PCRE的平衡组特性，所以要确保你使用的正则引擎支持（比如Python的regex库、Perl、PHP，或者主流在线正则工具的PCRE模式）；如果用Python标准库的re，需要换用递归解析等替代方案
• 如果代码中有字符串、注释，这个正则会失效，建议先对代码做预处理（去除注释、字符串）
• 对于非常复杂的类型定义（比如带括号的typedef），可能需要微调类型部分的匹配规则，但基本能覆盖绝大多数常见场景

内容的提问来源于stack exchange，提问作者Thuy Nguyen