用正则表达式处理代码注释（从小白角度刨析）

使用正则表达式删除代码注释

最近在处理数据集，需要将代码里面的所有注释都删除，这就需要用到正则表达式来进行去除了。下面挂上我处理代码注释的代码。
python代码注释有以下四种情况：

我们对文件的处理方式是按行读取并操作。
第一种就是"“独占一行，两个”"“之间行全部为注释块，这种我们使用标记”"“所在行号的方式来进行删除。具体来说：用正则式——{ [ ]*”""}匹配到""“独占一行，就将该行号压入栈中，处理完整个文件之后再每次连续出栈两个元素，将两个元素及之间的行根据行号进行删除。
第二种注释是位于代码后方的单行注释，这种注释利用re.split(r’#.’,i)[0]方法进行删除注释内容。
第三种注释是函数说明类的注释”"“注释”""，这种只占用一行，我们同样匹配"""进行删除。
第四种情况就是单行#位于前面，值得注意就是有可能有空格。
第五种注释与第一种处理方式一样

import re


def file_analysis(old_file_lines, six_quotes, hashtap):
    """标记需要删除的注释的行号，并存入列表"""
    i = 0
    for line in old_file_lines:
        # 符号 # 独占一行
        if re.match(r"(^\s)*#.*", line):
            hashtap.append(i)
        # 函数说明的 """xxxxx""" 或 '''xxxxx '''之类
        if re.match(r"([ ]*\"\"\"[^\"]*\"\"\")|([ ]*\'\'\'.*\'\'\')", line):
            hashtap.append(i)
        else:
            # 符号 """ 独占一行
            if re.match(r"([ ]*\"\"\")|([ ]*\'\'\')", line):
                six_quotes.append(i)
        i += 1
    # 将两个"""行号之间所有的行添加到 # 号列表中
    while six_quotes != []:
        # 从列表中移出最后两个元素
        a = six_quotes.pop()
        b = six_quotes.pop()
        temp = b
        while temp <= a:
            hashtap.append(temp)
            temp += 1
    # 返回 # 号列表， 记返回需要删除的所有注释的 行号 集合
    return hashtap

# 输入文件为一个str
def main(old_file):
    """ 主函数"""   
    old_file_lines = old_file.splitlines()
    # 处理文件并得到需要删除的注释的行号集合
    six_quotes, hashtap = list(), list()
    # 此时返回值 hashtap列表中，不仅仅包含#，还有"""、'''的行号
    hashtap = file_analysis(old_file_lines, six_quotes, hashtap)
    # 去重并排序，得到所有注释行号的列表
    comment_list = sorted(set(hashtap))
    # 创建与源文件总行号相同的列表 0,1,2,3...
    new_file_list = list(i for i in range(len(old_file_lines)))
    # 删除注释的行号，留下无注释的行号 的列表集合
    for i in comment_list:
        new_file_list.remove(i)
    # 创建存储（无注释）新文件内容的列表
    new_file_lines = list()
    for i in new_file_list:
        temp = old_file_lines[i]
        new_file_lines.append(temp)
    inum = 0
    for i in new_file_lines:
        # 注释跟代码在同一行的删除注释，保留代码
        if re.match(r'.*#.*', i):
            temp = re.split(r'#.*', i)
            new_file_lines[inum] = temp[0]
        inum = inum+1
    return new_file_lines