确定给定的文本是否为C代码

我正在尝试构建一个Linux内核级防火墙，并且需要在其中创建一个DLP（数据丢失防护）层。确定给定的文本是否为C代码

我需要确定一个电子邮件（通过SMTP发送）是C代码还是纯文本。代码不一定是一个完整的程序，所以我将无法使用编译器来完成此任务。

例如，下面的代码应该被抓：

if (variable == true) { printf("The statement is true\n"); }

有什么建议？

2015-08-08 Tomer Amir

非常困难，而de依赖于你可以接受的变化范围。那么，为什么你不指定你可以得到什么样的输入！ –

它应该是纯文本或部分C代码...这是我收到的规范... –

这是一个愚蠢的/不可能的规范，因为然后'f（变量==真）{printf（“The'也是部分C代码。你明白我的意思吗？！ –

如果是'声明'，我会建议得到一个（Lex/Yacc）C语法分析器。将解析器置于'期望声明状态'并运行它。如果你没有得到错误，你知道它是有效的。

根据你得到的解析器，你可能不得不去掉很多代码;像符号表查找/检查什么时候遇到一个变量，......但是如果有（几乎）准备好的裸机实现，我不会感到惊讶。

您也可以下载一个纯粹的C Lex和Yacc规范，并在其周围编写一些代码以使其工作;这并不困难。但它确实需要大量的努力来解决它。

2015-08-08 12:52:19

我已经将编译器的一部分编译为词法分析器，这种可疑的乐趣，我希望有一种不同的方式，但似乎没有很好的解决方法......谢谢！ –

我能想象的唯一其他方向是文本/词语分析，就像他们用自然语言进行分析一样，然后导致概率。但是，这对于编程语言来说很难（如果完全不能的话）工作，并且这种方法需要一个好的输入数据集。 –

对于一个更通用代码VS文本分类你也可以尝试以下任何一项：

2015-08-10 10:51:21 krisku

回答