正则一把梭解析 Java 代码

Google 了一下，强大的 JavaScript 生态里竟然找不到一个纯 JS 实现的 Java 解析器，所有的我能找到的解析器都是通过启动一个 Java 进程来完成解析，然后再对输出结果进行后续处理。大概是因为 Java 的语法实在是复杂吧🤣。

为了实现一个在线查看 Jar 包内容的功能，我希望在浏览器中解析 Jar 包，并分析依赖关系，所以需要使用纯 JS 实现对 Java 代码的解析。

目标

基于 PEG 的解析，这是最靠谱最正统的解析方式，比如 Babel 对 JavaScript 的解析就是基于此。

但是我并不能列举出 Java 所有的语法细节，所以也无法写出一个靠谱的 PEG 解析器。

而且 PEG 在这种场景下有两个弊端：
- 过于严谨，因而慢；
- 容错能力差，一处错误可能导致后面所有的语法都不能识别。
逐字解析，参考 highlight.js 的实现方式。

这种方式也需要对 Java 语法有足够的了解，实现起来也有一定的难度。

我的第一个版本就是用了这种方式，最后发现总有一些边缘情况考虑不周，导致识别失败。

而实际上，我对解析的要求没有那么高，一些特殊语法原样展示就可以了，不用完全识别出来。
正则一把梭。

这其实是一种取巧的方法，模拟一个不那么了解 Java 的人的角度，来从 Java 代码中获取关键信息。

跟逐字解析的方式不太一样的地方在于，我们从大到小的提取信息，先用正则提取大块的内容，再逐渐细分，直到识别不出来为止。这样可以最大程度地保留关键信息，而且有很强的容错能力。

所以，最后我选择了正则一把梭。

为了防止误匹配，第一步要把注释提取出去，因为注释里可能包含代码，干扰识别。

所以我直接正则匹配所有的 /* ... */，替换成占位符，这样就可以确保后面的匹配不会命中注释中的内容，提高准确率。
正则提取所有的 import，存下来到最后用于解析所有的依赖关系。
正则识别每个文件导出的类型，一般都是这种形式：
```
public interface XxxInterface {
  boolean sayHi();
}
```
识别完导出类型之后，根据当前类型下的典型的语法提取出关键信息，比如 interface 的方法名，class 的属性名。

这里要用一个比较通用的形式，避免处理细节，比如 interface 中提取出任何的 type methodName(params)，然后在后面的步骤中再做细分。
解析数据类型，从大到小。

举个例子：对于一个复杂的类型 A<B<C>>，我们先提取最大的部分，得到泛型 A 和具体类型 B<C>，然后再进一步解析 B<C>。
最后把所有解析出来的信息汇总，所有的类都存到一个池子里，然后将所有用到的数据类型补全，即完成了一次粗糙的在线解析。