在整個文本中查找編程代碼的開始和結束

Question

我有HTML文本和編程代碼（通用），沒有任何區別或標記。有一種方法可以爲代碼的開始和結束添加標記，適合任何編程代碼？

例如：

start message 

Hello this is an example 

int main(){ 
char word1[21],word2[21]; 
int first; 
printf("Type in the first word (maximum 20 characters):\n"); 
scanf("%20s",word1); 

other text 

ends 

我想獲得：

Hello this is an example 

''' 

int main(){ 
char word1[21],word2[21]; 
int first; 
printf("Type in the first word (maximum 20 characters):\n"); 
scanf("%20s",word1); 

''' 

other text 

Answer 1

讓我試着回答：

這已給定的約束（無）內是不可能的。

如果您對期望哪種編程語言以及哪些其他非編程文本（語言，科學，街道語言）期望沒有限制，而且您也完全沒有分隔符，則無法區分這兩種語言。

問題是，有些編程語言可能看起來非常像普通文本 - 特別是如果樣本量很小。

如果您有一打行Tcl或Rebol您可以對數據進行統計分析。標點符號和特殊字符與普通文本的預期（低）值。如果代碼始終由新的段落或至少換行符與文本分隔開來，這尤其可行。

但即使如此，這真的很難。一個REBOL example：

REBOL [ 
    Title: "REBOL/Services Simple Example" 
    Author: "Carl Sassenrath" 
    Version: 1.0.0 
] 
url: http://www.rebol.net/cgi-bin/services.r 
print "Loading client..." ; Used until it is built-into REBOL 
do http://www.rebol.net/rebservices/client.r 
print "Sending command..." 
result: do-service url [info] 
print ["Result:" mold/only result] 
ask "Done." 

上面的段落非常看起來像腳註​​和URL引用科學的文字。

也許總是有一個<br>或<p>之前和之後在你的HTML代碼？

但是對於非常短的代碼片段，這樣的分析可能會失敗。你的html也可以包含非常接近編程語言的文本。比較數學公式或公式爲Lisp或R

x <- c(10.4, 5.6, 3.1, 6.4, 21.7) 

這樣的東西是如何上面從數學題目的論文有什麼不同？

所以你必須做出妥協。

一些方法進行：

• 限制檢測的編程語言的量（可能「隱藏的」那些使用大量的sepcial字符如Perl，和C（括號），或Python（縮進和冒號））
• 將標記添加到html或接受<br>或<p>或甚至只是\n是有效的分隔符。當然，該HTML包含<verbatim>或其他標籤來分隔代碼？

然後做一些統計分析，對特殊字符的

• 用法，
• 改變壓痕的水平，
• 方差線的長度，在使用
• 金額的獨特單詞
• 重複單詞（命令和變量名稱可能會重複超過文本中的普通單詞）
• 語言標記（「該」在代碼中很少見，但經常在語言中使用）