如何在源代码中查找搜索词
我正在寻找一种方法来搜索项目的C / C ++代码中的给定术语，同时忽略注释和字符串中的任何出现。
由于代码库相当大，我正在寻找一种方法来自动识别与我的搜索词匹配的代码行，因为它们需要手动检查。
如果可能的话，我想在我的linux系统上执行搜索。
背景
有问题的代码库是一个带有大量第三方插件的实时信号处理引擎。 插件是用各种语言实现的（主要是C语言，还有C ++和其他语言;目前我只关心这两种语言），没有强制执行任何标准。
我们的代码库目前使用内置类型float来表示浮点数，我们想用一个允许我们使用双精度数的typedef替换它。 我们希望在实际代码中找到所有出现的float （忽略注释和打印输出中的合法用法）。
更复杂的是，在代码有效负载中有一些（虽然很少） 合法使用float （因此我们真的在寻找一种方法来识别所有需要手动检查的地方，而不是运行一些自动搜索和替换。）
代码还包含C样式的静态强制转换为(float) ，因此依靠编译器警告来识别类型不匹配通常不是一种选择。
代码库由超过3000个（C和C ++）文件组成，累积约750000行代码。
代码是跨平台的（linux，osx，w32是主要目标;但也是freebsd和类似的），并使用各种本机编译器（gcc / g ++，clang / clang ++，VisualStudio，…）进行编译。
至今…
到目前为止，我正在使用丑陋的东西：
grep "\bfloat\b" | sed -e 's|//.*||' -e 's|"[^"]*"||g' | grep "\bfloat\b"
但我认为必须有一些更好的方法来搜索有效载荷代码。
恕我直言，在“Unix＆Linux”上有类似问题的答案很好：
grep适用于纯文本，并且对C程序的基础语法一无所知。 因此，为了不在内部评论中搜索，您有以下几种选择：
在搜索之前删除 C-comments，您可以使用gcc -fpreprocessed -dD -E yourfile.c来执行此操作。有关详细信息，请参阅从C / C ++代码中删除注释
编写/使用一些你已经找到的hacky半工作脚本（例如，它们通过跳过以//或/ *开头的行来工作），以便处理所有可能的C / C ++注释的细节（同样，请参阅上一个链接一些可怕的测试用例）。 然后你仍然可能有误报，但你不必预处理任何东西。
使用更高级的工具在代码中进行“语义搜索”。 我找到了“coccigrep”： http ：//home.regit.org/software/coccigrep/这种工具允许搜索某些特定的语言语句（即更新具有给定名称的结构），当然他们会删除评论。
https://unix.stackexchange.com/a/33136/158220
虽然它并没有完全涵盖你的“不在字符串”的要求。
它实际上可能取决于代码库的大小，也可能取决于您通常使用的编辑器。 我建议使用GNU emacs （如果可能的话，在Linux上使用最近的GCC编译器……）
对于小到中等大小的代码（例如小于300KLOC），我建议使用Emacs的grep模式 。 然后（假设您已将next-error Emacs函数绑定到某个键，可能在~/.emacs使用(global-set-key [f10] 'next-error) ），您可以快速扫描每次出现的float （甚至在字符串或注释中，但你会很快跳过这样的事件……）。 几个小时后，您将完成中等大小的源代码（这比学习如何使用新工具更快）。
对于大型代码（数百万行），定制一些静态分析工具或编译器可能是值得的。 您可以使用GCC MELT在Linux上自定义GCC编译器。 它的findgimple模式可能是鼓舞人心的，甚至可能很有用（你可能想找到所有针对float Gimple分配）
顺便说一句，您可能不希望用double替换所有出现的 – 但只有大多数 – float类型（可能是适当的typedef -ed …），因为很可能你正在使用一些外部（或标准）函数需要一个float 。
CADNA工具也可能有用，可帮助您估计结果的精确度（因此，帮助您决定何时使用double是明智的）。
使用GCC MELT ， CADNA ， Coccinelle ， Frama-C等语义工具（或者在g0hl1n的答案中提到的Fluctuat或Coccigrep ）可以给出更精确或相关的结果，代价是花费更多的时间（可能是几天！）来学习并自定义该工具。
执行此操作的强大方法应该是使用cscope （ http://cscope.sourceforge.net/ ）在面向行的模式下使用find this C symbol选项，但我没有在各种C标准上使用它，所以如果这样做不适合你或如果你不能得到cscope然后这样做：
find . -type f -print | while IFS= read -r file do sed 's/a/aA/g;s/__/aB/g;s/#/aC/g' "$file" | gcc -P -E - | sed 's/aC/#/g;s/aB/__/g;s/aA/a/g' | awk -v file="$file" -v OFS=': ' '/\/{print file, $0}' done
第一个sed用唯一标识符字符串替换所有哈希（ # ）和__符号，这样预处理器不会对#include等进行任何扩展，但我们可以在预处理后恢复它们。
gcc预处理输入以去除注释。
第二个sed将我们之前添加的哈希标识符字符串替换为实际的哈希符号。
awk实际上在单词边界内搜索float ，如果找到则打印文件名加上它找到的行。 这使用GNU awk进行字边界\<和\> 。
第二个sed的工作可以作为awk命令的一部分完成，但我喜欢2个seds的对称性。
与使用cscope不同，这种sed / gcc / sed / awk方法不会避免在字符串中找到错误的匹配，但希望其中很少有这些，你可以在手动后处理时将它们清除掉。
它不适用于包含换行符的文件名 - 如果你有那些你可以但脚本中的正文并将其作为find .. -print0 | xargs -0 script执行find .. -print0 | xargs -0 script find .. -print0 | xargs -0 script 。
通过添加您正在使用的任何C或C ++版本来修改gcc命令行，例如-ansi 。