应该如何构造复杂的正则表达式

2020-03-22 19:03:34

字体：大中小

来源：转载

供稿：网友

文题本来是《如何构造复杂的html' target='_blank'>正则表达式》，但是觉得有些歧义，就感觉正则式本来很简单，我在教人如何将它小事化大一样。正好相反，我的本意是说，即使复杂的正则式也不怕，找出合适的方法，将其构造出来。

避重就轻

Snopo给出的文本是这样的：or and name='zhangsan' and id=001 or age 20 or area='%renmin%' and like，问，如何提取其中正确的SQL查询语句。

简要分析可知，中间部分是合乎要求的，只是两端的有若干个like, or, and。构造能够解析合乎SQL语法的查询语句的正则表达式，应该是比较复杂的。可是，对于具体的问题，也可以更简单。上述的不良构的SQL语句，应该是使用程序自动生成的，它的两端会有一些不符合题意的文本。只要将这些文本去除就可以了。

于是，我写出了正则表达式：s/^(?:(?:or|and|like)/s*)+|/s*(?:(?:or|and|like)/s*)+$//mi;，这样就把多行字串首尾的like, or, and以及可能的空白字符全部去掉了，剩下的内容即为所求。

分而治之

答案发过去之后，Snopo显然不是很满意这种“偷懒”的办法。他继续问道，能否写出正则式，用来匹配合符SQL语法要求的条件查询语句？（只考虑where部分即可，不必写完整的select。）

的确，从快速解决问题的角度来说，只要能够行之有效地解决，用什么办法都可以；不过从学习知识的角度来说，不避重就轻，而是刨根问底，才是正途。既如此，就看一下如何使用正则，将该SQL查询语句解决掉。

最简单的查询语句，应该是真假判断，即 where 1; where True; where false，等等。这样的语句使用正则式，直接/(?:-?/d+|True|False)/i。

稍复杂些的单条语句，可以是左右比较，即

复制代码代码如下:
name like 'zhang%', 或 age 25 ，或 work in ('it', 'hr', 'R&D')

。将其简单化，结构就变为A OP B。其中A代表变量，OP代表比较操作符，B代表值。

A: 最简单的A，应该是/w+。考虑到实际情况，变量包含点号或脱字符，例如`table.salary`，可以记为/[/w.`]+/。这是比较笼统的细化。如果要求比较苛刻，还可以做到让脱字符同时在左右两边出现（条件判断）。
OP: Where 常用的几种关系比较为：=, , , , =, =, Between, Like, in。使用简单的正则描述之，成为：/(?:[ =]{1,2}|Between|Like|In)/i。
B: B 的情况又可分为3种：变量，数字，字符串，列表。为简单起见，这里就不考虑算术表达式了。

变量的话，直接延用A的定义即可。不赘述。
数字：使用//d+/来定义。不考虑小数和负数了。

字符串：包括单引号字串和双引号字串。中间可以包括被转义的引号。我写了一个符合这一要求的引号字串正则表达式，形如：/(['"])(?://['"]|[^//1])*?/1/。不过，由于它只是庞大机器的一个零件，这样写的风险是极其大的。首先，它使用了反向引用；其次，该反向引用使用了全局的反向引用编号。我写了自动生成全局编号的函数，来解决这一问题。不过，这里谈细节是不是太深入了。应该先谈框架，再说细节才对。不应该一入手就陷进细节的汪洋大海。

列表：列表是形如(1, 3 , 4) 或 ("it", "hr", "r&d")之类的东东，它由简单变量以逗号相连，两边加上括号组成。列表的单项以I表示，它代表数字|字符串。此时，列表就变为：//(I(?:,I)*?/)/。它表示，左括号，一个I，一系列由逗号、I组成的其它列表项（0个或多个），右括号。简单起见没有考虑空白字符。
至此，可以总结出单条语句的正则框架：S =~ /A OP B/i。S在此代表单条语句。
更为复杂的是多条语句，可以由单条语句组成，中间使用 and 或 or 连接。合理地构造单条语句，将其稳定地编制为多条语句，任务就完成了。

沿用上面的示例，以S代表单条语句，那么复合语句C就是 C =~ S(?:(?:or|and) S)*?/。至此，一个初具规模的条件语句解析器就诞生了。下面以python为例，一步一步实现出来。

Python实现
重申一句：虽然给出了实现，但是仍请注重思路，忽略代码。
复制代码代码如下:
#!/usr/bin/python
# -*- coding: utf-8 -*-
#
#author: rex
#blog: http://iregex.org
#filename test.py
#created: 2010-08-06 17:12

#generage quoted string;
#including ' and " string
#allow /' and /" inside
index=0
def gen_quote_str():

global index
index+=1
char=chr(96+index)
return r"""(?P quote_%s ['"])(?://['"]|[^'"])*?(?P=quote_%s)"""% (char, char)

#simple variable
def a():
return r'[/w.`]+'

#operators
def op():
return r'(?:[ =]{1,2}|Between|Like|In)'

#list item within (,)

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。

上一篇：深入理解正则表达式语法知识

下一篇：正则表达式的高级技巧分享