Imprima todos os comentários C em um arquivo de texto separado

Já houve algumas respostas usando shell-magic, mas acho que isso pode ser feito muito mais facilmente usando as ferramentas que você provavelmente já possui. Ou seja, gcc.

diff -u <(gcc -fpreprocessed -dD -E main.c) main.c | grep '^+' | cut -c 2-

Como funciona?

1. gcc -fpreprocessed -dD -E main.c Remove todos os comentários de um arquivo e o coloca em stdout

2. diff -u <(...) main.c Pega a entrada do stdout e compara com o original

3. grep '^+' Filtra todas as linhas que começam com +. Em outras palavras: filtrar o que antes era um comentário determinado

4. cut -c 2- Remova os +símbolos da saída

Não há necessidade de coisas supercomplexas de regex, perl ou awk, ao mesmo tempo que cobre todos os casos extremos que as outras respostas podem ter perdido.

Não é tão trivial quanto pode parecer se você levar em conta coisas como: puts("string with /*")ter em mente que "s pode ocorrer em ch = '"'.

Ou continuações de linha:

printf("...");    /\
* yes, this is a comment */
/\
/ and this as well

Ou trígrafos .

Para cobrir isso, podemos adaptar esta resposta à pergunta oposta para imprimi-la em vez de remover os comentários:

perl -0777 -pe '
  s{
    (?<comment>
      # /* ... */ C comments
      / (?<lc> # line continuation
          (?<bs> # backslash in its regular or trigraph form
            \\ | \?\?/
          )
          (?: \n | \r\n?) # handling LF, CR and CRLF line delimiters
        )* \* .*? \* (?&lc)* /
      | / (?&lc)* / (?:(?&lc) | [^\r\n])* # // C++/C99 comments
    ) |
       "(?:(?&bs)(?&lc)*.|.)*?" # "strings" literals
       | '\''(?&lc)*(?:(?&bs)(?&lc)*(?:\?\?.|.))?(?:\?\?.|.)*?'\'' # (w)char literals
       | \?\?'\'' # trigraph form of ^
       | .[^'\''"/?]* # anything else
  }{$+{comment} eq "" ? "" : "$+{comment}\n"}exsg'

Quais são os exemplos inventados da outra questão que cobrem a maioria dos casos extremos:

#include <stdio.h>
int main()
{
  printf("%d %s %s %c%c%c%c%c %s %s %d\n",
  1-/* comment */-1,
  /\
* comment */
  "/* not a comment */",
  /* multiline
  comment */
  // comment
  /\
/ comment
  // multiline\
comment
  "// not a comment",
  '"' /* comment */ , '"',
  '\'','"'/* comment */,
  '\
\
"', /* comment */
  "\\
" /* not a comment */ ",
  "??/" /* not a comment */ ",
  '??''+'"' /* "comment" */);
  return 0;
}

Dá:

/* comment */
/\
* comment */
/* multiline
  comment */
// comment
/\
/ comment
// multiline\
comment
/* comment */
/* comment */
/* comment */
/* "comment" */

Para obter os números das linhas, como estamos executando no modo slurp, onde o assunto é toda a entrada, em vez de processar a entrada uma linha por vez, é um pouco mais complicado. Poderíamos fazer isso usando o (?{code})operador regexp para incrementar um contador cada vez que um delimitador de linha (CR, LF ou CRLF em C) for encontrado:

perl -0777 -pe '
  s{
    (?<comment>(?{$l=$n+1})
      /
      (?<lc>  # line continuation
        (?<bs> # backslash in its regular or trigraph form
          \\ | \?\?/
        ) (?<nl>(?:\n|\r\n?) (?{$n++})) # handling LF, CR and CRLF line delimiters
      )*
      (?:
        \* (?: (?&nl) | .)*? \* (?&lc)* / # /* ... */ C comments
        | / (?:(?&lc) | [^\r\n])*         # // C++/C99 comments
      )
    ) |
       "(?:(?&bs)(?&lc)*.|.)*?" # "strings" literals
       | '\''(?&lc)*(?:(?&bs)(?&lc)*(?:\?\?.|.))?(?:\?\?.|.)*?'\'' # (w)char literals
       | \?\?'\'' # trigraph form of ^
       | (?&nl)
       | .[^'\''"/?\r\n]* # anything else
  }{$+{comment} eq "" ? "" : sprintf("%5d %s\n", $l, $+{comment})}exsg'

O que nessa mesma amostra dá:

    5 /* comment */
    6 /\
* comment */
    9 /* multiline
  comment */
   11 // comment
   12 /\
/ comment
   14 // multiline\
comment
   17 /* comment */
   18 /* comment */
   21 /* comment */
   26 /* "comment" */

Isso pode ser feito da awkseguinte forma:

#!/bin/awk

# Handles case where both /* and */ are on the same line
{ line_printed = 0; }

# Find the beginning of a multiline comment
/^[[:space:]]*\/\*/ {
    multiline = 1;

    # Remove leading spaces
    sub(/^[[:space:]]+/,"");
    printf "[%d] %s\n", NR, $0;
    line_printed = 1;
}

# Find the end of a multiline comment
/\*\/[[:space:]]*$/ {
    multiline = 0;
    if (line_printed == 0)
        printf "%s", $0;

    print "\n"
    next;
}

# The content between /* and */
{
    if ( multiline == 1 && line_printed == 0 )
    {
        print $0;
        next
    }
}

# A single line comment
/^[[:space:]]*\/\// {
    # Remove leading spaces
    sub(/^[[:space:]]+/,"");
    printf "[%d] %s\n\n", NR, $0;
}

Salve este script como foo.awk(ou qualquer outro nome; a extensão é opcional) e execute com awk -f foo.awk input.c. O script imprimirá todos os comentários (separados por uma nova linha extra) e adicionará o número da linha antes de cada comentário.

Bem, definitivamente não é o mais sofisticado, nem o mais recomendado, porque tem algumas falhas. Mas acho que fica muito legal:

awk '/\/\//; /\/\*.*\*\//; /\*\//; /^\/\*/ { a=1 } /\*\// { a=0 } a && $0 != "/*" { print }'