Bash實現C代碼行數統計：從粗糙腳本到工業級工具的演進之路

需求背景

快速統計C/C++項目有效代碼行數（排除空行、註釋），是代碼審計、工作量評估的常見需求。本文分析一個Bash腳本的實現邏輯，揭示其局限性，並給出生產級替代方案。

原腳本邏輯分析

處理流水線

1. 刪除空行：sed '/^[[:blank:]]*$/d'
2. 刪除單行註釋行：sed '/^[[:blank:]]*\/\//d'
3. 處理多行註釋 /* ... */：
   • 提取所有/*行號 → start.txt
   • 提取所有*/行號 → end.txt
   • paste合並配對
   • 逐對sed '${START},${END}d'刪除
4. 統計剩餘行數：wc -l

致命缺陷

/* 註釋開始 */ int x = 1; /* 註釋結束 */
printf("hello"); /* 行內註釋 */

無法處理同一行包含代碼和註釋的情況，會誤刪有效代碼。且grep -n只匹配行首模式，漏掉縮進的註釋。

進階方案：狀態機方法

用awk實現單遍掃描狀態機，正確處理嵌套、字符串字面量、行內註釋：

awk '
BEGIN { in_block=0; in_string=0; in_char=0; count=0 }
/\/\*/ && !in_string && !in_char { in_block=1; gsub(/\/\*.*\*\//,"") }
/\*\// && in_block && !in_string && !in_char { in_block=0; gsub(/.*\*\//,"") }
in_block { next }
/\/\// && !in_string && !in_char { gsub(/\/\/.*/,"") }
/^[[:space:]]*$/ { next }
{ count++ }
END { print count }
' "$1"

工業級工具推薦

最佳實踐建議

• CI/CD集成：用cloc --json生成機器可讀報告
• 增量統計：git diff --numstat配合cloc --diff
• 排除生成代碼：--exclude-dir=generated,protobuf,third_party
• 區分類型：分別統計頭文件、源文件、測試文件

總結

Bash腳本適合臨時小規模統計，但面對真實項目的複雜語法（字符串內/*、行內註釋、嵌套註釋、預處理指令）無能為力。現代專用工具基於完整詞法分析，準確度與速度雙贏。建議團隊統一接入cloc或scc到構建流程，獲得可信的代碼度量基線。