所以我有以下正则表达式:
(?<!'.)'b(['w'@'-]+) *'b(IN|NOT IN|LIKE|NOT LIKE|BETWEEN|REGEXP|NOT|IS|XOR)+'b *
我正在寻找帮助我匹配一些SQL代码。
然而，看起来我在第二个括号里的短语会有问题。'NOT IN' and 'NOT LIKE'
我需要一个匹配或不匹配的正则表达式(不像我当前的正则表达式那样部分匹配)。
-
customers.id NOT IN (SELECT MAX(customers_service.customer_id))不匹配 -
customers.id NOT LIKE (SELECT MAX(customers_service.customer_id))不匹配 -
id NOT IN (SELECT MAX(customers_service.customer_id))应匹配 -
id IN (SELECT MAX(customers_service.customer_id))应该匹配
我使用RegexBuddy来检查，我使用我的regex得到1号和2号的匹配。
,
-
id NOT IN (SELECT MAX(customers_service.customer_id))只匹配id NOT，而不是id NOT IN -
id NOT LIKE (SELECT MAX(customers_service.customer_id))只匹配id NOT，而不是id NOT LIKE
我想修改这个正则表达式，以捕获后面的负look的条件，以及第二个括号中的确切短语，或者根本不匹配(没有部分)。
我该怎么做呢?
首先，'b不匹配单词的开头或结尾。人们总是这么说，但这是个谎言。'b匹配的位置是后面有一个单词字符，但前面没有一个——(?='w)(?<!'w)——或者前面有一个单词字符，而后面没有一个——(?<='w)(?!'w)。如果这些条件不是您想要匹配的，那么最好不要使用'b。
你想要匹配的名字显然可以包含@和-以及标准的"单词"字符(字母，数字和下划线)，所以单词边界是无用的。一般来说，为了确保匹配一个完整的单词，你会使用否定后看和否定前看:
(?<!['w@-])['w@-]+(?!['w@-])
在您的情况下，您还希望确保前面的字符不是.，并且您知道后面的字符必须是空白，因此您的正则表达式的一部分将是:
(?<![.'w@-])['w@-]+'s+
更大的问题是，这也可以匹配你不希望它匹配的东西——例如:， NOT、IN等关键字。我建议采取两种补救措施。首先，收紧关键字的正则表达式，以便将NOT IN和NOT LIKE等复合关键字视为原子单元:
(?:NOT(?:'s+(?:IN|LIKE))?|IN|LIKE|BETWEEN|REGEXP|IS(?:'s+NOT)?|XOR)'b
第二，在forward中使用它来确保你匹配的第一个单词不是关键字(部分)。下面是完整的正则表达式，为了可读性分成两行:
(?<![.'w@-])(?!(?:NOT(?:'s+(?:IN|LIKE))?|IN|LIKE|BETWEEN|REGEXP|IS|XOR)'b)['w@-]+'s+
(?:NOT(?:'s+(?:IN|LIKE))?|IN|LIKE|BETWEEN|REGEXP|IS|XOR)'b's*
您可以通过为关键字定义子例程组来使其更易于维护。下面是PHP字符串文字的样子:
'~
(?(DEFINE)(?<KEYWORD>
(?:NOT(?:'s+(?:IN|LIKE))?|IN|LIKE|BETWEEN|REGEXP|IS(?:'s+NOT)?|XOR)'b
))
(?<![.'w@-])(?!(?&KEYWORD))['w@-]+'s+(?&KEYWORD)'s*
~ix'
…这里有一个演示
你的措辞有点令人困惑，但据我所知，消极的目光正如你所期望的那样起作用了。
对于"部分匹配"问题，您只需按长度递减顺序排列关键字:
(?<!'.)'b(['w'@'-]+) *'b(NOT LIKE|BETWEEN|REGEXP|NOT IN|LIKE|NOT|IN|IS|XOR)+'b *
这样，它尝试在满足于较短的关键字之前捕获"更完整"的关键字。
编辑
我现在明白是怎么回事了。对于
customers.id NOT IN (SELECT MAX(customers_service.customer_id))
存在匹配的原因是NOT被(?<!'.)'b(['w'@'-]+)匹配，并且IN作为运算符被匹配。换句话说，它认为NOT是一个列名。
解决这个问题的唯一方法是添加约束。例如，如果您知道字符串总是以表/列标识符开始，那么这样做:
^'s+(['w'@'-]+) *'b(NOT LIKE|BETWEEN|REGEXP|NOT IN|LIKE|NOT|IN|IS|XOR)+'b *
****
这样就不需要向后看，也不需要字边界了。
如果你不能做这个约束，那么它是棘手的，如果不是完全不切实际的(因为你基本上必须建立一个SQL解析器的正则表达式)。关键是给你的正则表达式一些区分标识符和操作符的方法;否则它无法判断。如果您知道您的所有标识符都是小写的，那么这可能符合您的目的，尽管这很脆弱。
那好吧。因此，经过多次"正则化"，这里的正则表达式为我做到了:
(?<='s)(?!(?:not|is)(?='s))(['w'@'-]+)(?='s) (?<='s)(NOT LIKE|NOT IN|IS NOT|BETWEEN|REGEXP|LIKE|XOR|NOT|IN|IS)(?='s)
当然，在我的preg函数中，我会使用不区分大小写的模式修饰符。
我不得不从我在StackOverflow上发布的其他问题中找到其他部分。
欢呼。