python删除代码注释_删除代码中所有注释（基于文本处理的方法）

处理所有注释，是编译器的看家本领。

编译器在读取代码时，就是在处理文本，自然就包括删除代码注释。

每一个编程语言都有一个叫做词法分析器的工具，编译器就是用它来处理代码文本的，基于正则匹配。它不仅要处理注释，还要处理保留字，标识符等等，要复杂多了

Python中字符"#"只有两种用途，一个是string，字符串，另一个是注释符，用于给代码加入旁白

(但要排除掉python文件头的#!)

即#不能用于其他任何形式，比如标识符，运算符等。

所以思路很明确，判断#是不是字符串，如果不是，那么它后面的所有东西都将被当作注释，直到出现换行符\n。

但这个换行符不是我们可以通过输入 \和n所表示的换行符，只能是我们看不见的换行符，比如敲一下键盘上的Enter。

实际上当我们在字符串中连续输入\和n的时候，(并且只能在字符串中输入)，计算机在内部把它们转义成了"\\n"。如果后面你又需要将字符串"\\n" print出来,计算机又把它们当成"\n"，并输出字符串里的内容以及格式。而在计算机内部，换行符确实以"\n"(或者深入一点二进制形式)形式存在，但只会以(给文本换行)的方式展现出来，而不会以"\n"的样子展现出来，那个在屏幕上展现出"\n"的样子的东西，在计算机内部以"\\n"的形式存在。

所以以下代码：

a = "a"#这是个注释？"\n"a = "1"

b = "b\nb"#这是个注释？\nb = "2"

print(a)

输出：a (没有引号了,表示引号里面的内容)print(b)

输出：b

b (没有引号了,表示输出引号里面的内容及其格式)

a

输出：'a'(有引号，表示a是字符串)

b

输出：'b\nb'(有引号，表示b是字符串,而不看它里面的转义字符\n)

所以上面代码注释中包含"\n"，\n，但它们被计算机读取的时候，都被转义成了"\\n"，不具有换行效果。而在a = "1"的后面，真真切切的跟着一个我们看不到的换行符，

#也不是无论如何都看不到，将代码保存到文件D:/code.txt

file= open('D:/code.txt')

file.read()

输出：'a = "a"#这是个注释？"\\n"a = "1"\nb = "b\\nb"#这是个注释？\\nb = "2"'

type(file.read())

输出： str

print(file.read())

输出： a = "a"#这是个注释？"\n"a = "1"

b = "b\nb"#这是个注释？\nb = "2"

说了这么多，就为了可以用#和换行符(看不见的那个)来找出注释。

#和后面第一个换行符中间的所有内容都是注释了。？

非，比如下面代码：

a = "a#a"

print(a)

输出：a#a

要是#a"被当作注释删掉了就不好了。。

前面我们说过，#在python代码中要么以注释符形式存在，要么以字符串形式，上面这个代码就是以字符串形式存在的。字符串，有个很明显的特征：被英文引号(以下简称引号)围住了。

所以，如果代码没有语法错误的话，即能够进入运行期的话，没有被引号括住的行内第一个#，一定是注释符，被引号括住的#，一定不是注释符。

所以思路很明确，先判断#是不是字符串，即没有被引号括住；如果不是，则提取出此#及其之后直到换行符的所有内容，它们就是注释。

但python内置有一个readlines()函数，可以替我们省下找换行符的步骤，它返回一个列表，其中的元素即是文件内容中以换行符隔开的每一行。通过这个函数，我们可以先把代码文件分成一行一行的，再在每一行内寻找注释。需要注意的是，编辑器内自动换行的功能并不是在其中加入了换行符，它们看起来自动换到了下一行，其实在计算机看来还是一行，直到出现换行符。readlines()也不会以我们看到的自动换行的行数为标准，注释符也是，它们只认换行符。

现在就可以开始判断行内的#有没有被引号括住了。

先来探究一下引号的作用机制。

a = "She said, 'All right!'"b= "很明显，'，是一个单引号"b_2= '很明显，"，是一个双引号'b_3= "很明显，"，是一个双引号"#这个会报错SyntaxError

b_4 ='很明显，""，是两个双引号'

c = '"'2'"' #这个会报错SyntaxError

#对于报错，是因为多个同样的引号引起作用范围混淆，解决办法是把里面不参与作用的引号加个\，转义成普通字符，比如c = '"\'2\'"'

首先，计算机从行首第一个字符开始检查，出现双引号，则找第二个双引号，这两个双引号就成双成对了再不会分开了，不会参与后面的双引号作用了，其中的内容也成了一个整体，其中若包含一个引号，比如上面的b，这个引号也不会参与外面的引号作用了。(单引号同理)

所以并不是很复杂，对于readlines()返回的每一行：

1，先看有没有#；

2，如果有，则检查有没有引号；

3，如果有引号，看所有的引号的作用范围是否包括#；

4，如果包括，则继续往后，重复开始第1步；

对于上述每一步，如果遇到了换行符，那么抱歉，检查结束，返回结果。

第1，2，3步的任意一个，结果若为否，则检查完成。

a = ["a#'a", 'b"#"b']#这是个注释？'\n"'a = "1"

将上面这一行代码保存到code.py，然后把code.py当作文本处理。

text = open(文件路径+code.py).read()

text

输出：'a = ["a#\'a", \'b"#"b\']#这是个注释？\'\\n"\'a = "1"'

print(text)

输出：a = ["a#'a", 'b"#"b']#这是个注释？'\n"'a = "1"

可以看到用print()，就跟我们原本的输入一个模样，是代码，不用print()直接查看text，就出来一个字符串，是代码的文本形式，里面的单引号为了不与最两边的单引号发生作用，加了斜杠转义了，而里面的\n是我们自己输入的\和n，并不是用Enter敲出来的换行符，所以计算机只把它们当成普通字符，以\\n的样子存在于计算机内部。

下面代码展示了如何用re正则表达式来提取字符串text中,引号的作用范围

importre

re.split('(".*?"|\'.*?\')', text, maxsplit=0)

输出：['a = [','"a#\'a"',',','\'b"#"b\'',']#这是个注释？','\'\\n"\'','a =','"1"','']

re.split('".*?"|\'.*?\'', text, maxsplit=0)

输出：['a = [',',',']#这是个注释？','a =','']

上述代码用正则表达式匹配到所有的引号作用范围，既考虑单引号，也考虑双引号。

将匹配到的引号作用范围当作分割符，把字符串text分割成若干子串，并返回列表。

第一个split()，比第二个split()的正则表达式里，多了一层小括号，作用是，返回的列表中也要包括分割符。

表达式的中间有个|，|的左右两边一个是匹配双引号的，一个匹配单引号，

即，若只匹配双引号，则使用

re.split('".*?"', text, maxsplit=0)

若只匹配单引号，则使用

re.split('\'.*?\'', text, maxsplit=0)

为什么要给表达式里的单引号加上转义斜杠呢，因为表达式本身用了单引号括住，若不转义为普通字符，则会与本身最外层的引号发生作用。若使用双引号括住，则应该把里面的双引号转义。

maxsplit指定了从左往右分割几次，若为0则不限，若为1，则仅使用第一个引号作用范围来分割成两段，当然如果考虑分割符本身，则是三段。

其它符号如.*?可以艰难参考官方中文文档。

既然确定了引号的作用范围，就能看#是不是引号里面的普通字符了，既然知道了#是普通字符还是注释符，就能找到哪些是注释内容了。

(还是要排除掉python文件头的#!)

其他的如''''''，/**/等注释符，也都是处理文本，道理一个样把。