最近在写一个C++的parser，里面有一个功能是要解析出所有有效的头文件。如有文件片段如下：
#include <QObject> #include <QStringList> #include <QVariant> #include <QMap> #include <QVariantMap> #include <QVariantList> /* #include <aaa.h> */ /*#include <aaa.h> */ /* #include <aaa.h>*/ /*#include <aaa.h>*/ #include <test> /* #include <aaa.h> */ /* #include <aaa.h> */ /* #include <aaa.h> */ /* #include <aaa.h> */ // #include <aaa.h> // #include <aaa.h> // #include <aaa.h>
需要从中检索出QObject，QStringList，QVariant，QMap，QVariantMap，QVariantList，test这几个有效的头文件(去除注释掉的)。
要完成这样的检索我们有很多方法，正则表达式是一种比相对比较便捷的方法。在这里要匹配的头文件要去除注释掉的部分，实质上也就是把前面是/*或者//的情况过滤掉。对应在正则表达式中我们可以使用负前后查找（负零宽度断言）来实现。表达式如下：
(?<!(\s*/\*\s*)|(\s*//\s*))\#include\s*[<"]+([\w+\.h]+)[">]*(?!\s*\*/\s*)
匹配结果如下图:
可以看到这个正则是符合需求的。只是看这正则起来略复杂，别慌我们慢慢来分析这个正则的原理。
在这里我假设读者已经有基本的正则知识，如果没有的话，建议看一下<<正则表达式30分钟入门教程>>其实我也只是有基本的知识而已。下面开始讲主要内容
这一段(?<!(\s*/\*\s*)|(\s*//\s*))\#include\s*[<"]+([\w+\.h]+)[">]*(?!\s*\*/\s*)可以分成三个部分来看。
第一部分(?<!(\s*/\*\s*)|(\s*//\s*))
第二部分\#include\s*[<"]+([\w+\.h]+)[">]*
第三部分(?!\s*\*/\s*)
第一部分其实负向后查找，查找前面部分不匹配/* 或//的情况，这里?<!是负向后查找的标识，后面跟着一串表达式(\s*/\*\s*)|(\s*//\s*)，在表达式中|分割了两种情况|左边部分\s*/\*\s*表示匹配/*的情况，右边部分\s*//\s*表示匹配//的情况。于是乎这个部分表达的就是不匹配开头为/*或者//的情况。
第二部分是匹配形如#include <sss> #include "xxx"这样的句式，这里比较简单就不再细说。
而第三部分则是负向前查找，这部分主要是排除*/的匹配。其实这部分不是必须的，因为，/**/总是匹配的。所以即便去掉看样子还可以得到正确的结果的。