一个50个文件的项目，上线前要去掉所有注释，手动操作每人天只能处理3-5个文件，遇到嵌套注释和字符串里的"假注释"还得逐行判断

市面上"去注释工具"几十种，但能真正处理好字符串内URL、正则表达式字面量、模板字符串、嵌套注释的不到三分之一。这篇文章把主流方案按语言和场景拆开，正则方案、AST方案、命令行方案、IDE插件方案各有什么坑、什么时候该用哪个，一次性讲清楚。

选方案的铁律

单文件、自己写的代码、注释格式规范 → 正则表达式或IDE快捷键就够了。
多文件、多语言混编、有遗留代码 → 必须用AST/语法树工具，正则方案100%会误删。
CI/CD流水线中批量处理 → 命令行工具或Python/Node脚本，接在构建流程里。
一次性处理、不想装东西 → 在线工具，选支持多语言的。

VS Code插件选型建议

日常开发清理单文件注释：Remove Comments，最成熟，覆盖面广。
需要保留JSDoc/Docstring等文档注释：Code Cleaner，这是它的核心卖点。
清理AI生成的冗余注释：Tidy Up - Comment Cleaner，专门针对Copilot和Claude生成的那些"解释代码在干什么"的废话注释。
注意：所有VS Code插件都是基于正则实现的，处理复杂情况（嵌套注释、字符串内URL）时仍可能误删。处理前建议先git commit或备份。

# strip-comments 命令行用法

npm install -g strip-comments

strip-comments src/*.js --output dist/

# Node.js脚本批量处理整个目录

const strip = require('strip-comments');

const fs = require('fs');

const glob = require('glob');

glob('src/**/*.{js,ts,jsx,tsx}', (err, files) => {

  files.forEach(f => {

    const code = fs.readFileSync(f, 'utf8');

    fs.writeFileSync(f.replace('src/', 'dist/'), strip(code));

  });

});

# 方案一：PyPI strip-comments（基于tree-sitter，推荐）

pip install strip-comments

strip-comments src/ --output dist/ --recursive

# 支持 --keep-docstrings 保留文档注释

# 支持 --languages python,javascript,typescript 指定语言

# 方案二：Python标准库tokenize（零依赖）

import tokenize, io

def strip_comments(source):

  result = []

  for tok in tokenize.generate_tokens(io.StringIO(source).readline):

    if tok.type != tokenize.COMMENT:

      result.append((tok.type, tok.string))

  return tokenize.untokenize(result)

Python去注释方案选择

追求准确度：PyPI strip-comments（tree-sitter），处理三引号和f-string中的#号零误判。
不想装额外依赖：Python标准库tokenize模块，写30行代码搞定，准确度95%以上。
只处理自己写的、格式规范的代码：PyCharm/VSCode正则替换也能用，但处理完记得diff检查一遍。

# C/C++用gcc预处理去注释（保留#if 0块可选）

gcc -fpreprocessed -dD -E source.c -o source_no_comments.c

# -fpreprocessed: 防止展开宏

# -dD: 保留宏定义（去掉这个参数宏定义也会被展开）

# -E: 只做预处理，不编译

# Java用IntelliJ IDEA正则替换（最快速但不完美）

# 1. Ctrl+Shift+R 打开全局替换

# 2. 勾选Regex

# 3. 单行注释: //.*$ → 替换为空

# 4. 多行注释: /\*[\s\S]*?\*/ → 替换为空

# 5. 空行清理: ^\s*\n → 替换为空

C/C++去注释最容易踩的三个坑

1. 行继续符（反斜杠换行）。 #define MACRO \\
// this is comment —— 反斜杠后面的注释实际上是宏的一部分，删掉会导致编译错误。gcc -E能正确处理，正则不行。
2. 预处理指令中的注释。 #if 0 和 /* ... */ 在预处理层面行为不同——#if 0内的代码仍然会被预处理器检查语法，只是不被编译。用gcc -E方案，#if 0块默认会被保留（除非加-fpreprocessed）。
3. 字符串化操作符中的注释。 #define STR(x) #x 配合 STR(/* comment */value) 时，注释是宏参数的一部分。正则处理必定出错。

前端项目去注释的最佳实践

不要在源码上直接去注释。正确的做法是：源码保留注释用于开发维护，构建产出（dist/）自动去注释。vite/webpack配置里打开minify，CSS用cssnano的discardComments选项，HTML用html-minifier的removeComments选项。这样你开发时注释还在，上线后用户拿到的代码是干净的。

在线工具使用提醒

上面推荐的四款全部是本地浏览器端处理，代码不会离开你的电脑。但这不代表可以无脑用——浏览器插件（如翻译插件、广告拦截器）理论上可以读取剪贴板内容。处理公司核心代码时，建议断网后使用，或者在本地IDE里解决。

# sed 删除C风格单行注释（//）

sed -i 's|//.*||g' *.c

# sed 删除Python注释（#），但保留shebang

sed -i '/^#!/!s/#.*$//' *.py

# sed 删除多行注释 /* ... */

sed -i '/\/\*/,/\*\//d' *.c

# sed 删除HTML注释

sed -i 's///g' *.html

# perl 更强大的多行匹配（跨行删除多行注释）

perl -0777 -pi -e 's/\/\*.*?\*\///gs' *.c

# 批量处理整个目录 + 清理空行

find . -name "*.py" -exec sed -i '/^#!/!s/#.*$//' {} \;

find . -name "*.py" -exec sed -i '/^$/d' {} \;

Shell方案的安全前提（缺一不可）

1. 代码已经git commit，处理完可以git diff检查差异。
2. 代码中没有字符串包含//或#（如URL、正则表达式字面量）。
3. 没有跨行的多行注释（sed逐行处理，单行/.../d无法匹配跨行）。
4. Python代码中的#注释不在字符串内。
不满足以上任何一条，请回到前面用AST方案。

#!/usr/bin/env python3

"""通用代码去注释工具 - 基于tree-sitter AST"""

import os, sys, argparse

from pathlib import Path

from tree_sitter import Language, Parser

# 语言配置：扩展名 -> tree-sitter语言对象

LANG_MAP = {

  '.py': 'python', '.js': 'javascript', '.ts': 'typescript',

  '.jsx': 'javascript', '.tsx': 'typescript', '.java': 'java',

  '.c': 'c', '.cpp': 'cpp', '.h': 'c', '.hpp': 'cpp',

  '.go': 'go', '.rs': 'rust', '.css': 'css', '.html': 'html',

}

SKIP_DIRS = {'node_modules', '.git', '__pycache__', 'dist', 'build', '.venv'}

def remove_comments(source, lang_name, keep_docs=False):

  """基于AST移除注释，返回处理后的代码"""

  parser = Parser()

  parser.set_language(Language(lang_name))

  tree = parser.parse(source.encode())

  root = tree.root_node

  # 收集所有注释节点的起止位置

  comment_ranges = []

  def collect(node):

    if node.type == 'comment':

      comment_ranges.append((node.start_byte, node.end_byte))

    for child in node.children:

      collect(child)

  collect(root)

  # 从后往前删除，避免位置偏移

  result = source

  for start, end in reversed(comment_ranges):

    result = result[:start] + result[end:]

  return result

def process_directory(root_dir, dry_run=False):

  """递归处理目录下所有支持的文件"""

  count = 0

  for path in Path(root_dir).rglob('*'):

    if any(d in path.parts for d in SKIP_DIRS):

      continue

    ext = path.suffix

    if ext not in LANG_MAP:

      continue

    try:

      source = path.read_text(encoding='utf-8')

      cleaned = remove_comments(source, LANG_MAP[ext])

      if not dry_run:

        path.write_text(cleaned, encoding='utf-8')

      count += 1

      print(f" {'[DRY RUN]' if dry_run else 'OK'} {path}")

    except Exception as e:

      print(f" ERR {path}: {e}", file=sys.stderr)

  return count

if __name__ == '__main__':

  ap = argparse.ArgumentParser(description='批量删除代码注释')

  ap.add_argument('path', help='文件或目录路径')

  ap.add_argument('--dry-run', action='store_true', help='预览模式')

  args = ap.parse_args()

  count = process_directory(args.path, args.dry_run)

  print(f'\n处理完成: {count} 个文件')

这个脚本的设计要点

AST驱动，不是正则：tree-sitter解析出真实的语法树，注释节点（comment类型）在AST中是独立的，跟字符串、正则表达式字面量、模板字符串泾渭分明。这是正则方案做不到的。
从后往前删除：先收集所有注释位置，然后从后往前拼接，避免了"删完第一个注释后后面所有位置都偏移了"的经典bug。
--dry-run预览模式：正式处理前先跑一遍dry-run，看看哪些文件会被修改，确认无误再去掉这个参数。
自动跳过无关目录：node_modules、.git、dist、build这些目录不碰。