删除单行注释，但不删除单引号括起来的字符串答案

【问题标题】：Remove single line comment but not the string which is enclosed by single quote删除单行注释，但不删除单引号括起来的字符串
【发布时间】：2016-08-15 21:04:20
【问题描述】：

我正在创建一个示例代码，它解析一个 SQL 文件，其中我有 SQL 和一个注释代码块，例如：

-- CREATE PROCEDURE
/* 
 Cleaned By : Tej Kiran
 Cleaned On : 05/12/2009 
 -- Procedure [ChambalSchedules] 
*/ 
CREATE procedure [dbo].[ChambalSchedules] 
( 
 @dyid INT = -1, 
 @dy VARCHAR(10) = '', 
 @yr VARCHAR(10) = '', 
 @dt DATETIME = '', 
 @HID INT = 0, 
 @HsID INT = 0, 
 @CID INT = 0, 
 @ScId INT = 0 
) 
AS 
BEGIN 
 DECLARE @BLID BIT 
 DECLARE @BsID BIT 
 DECLARE @BTID BIT 
 DECLARE @BShId BIT 
 SET @BLID = 0 
 SET @BsID = 0 
 SET @BTID = 0 
 SET @BShId = 0 
...
...
...
 SELECT 
 ShID 
 , ShType 
 , ISNULL(list,'---') AS List
 , Dy 
 , ChambalID 
 , CTypeID 
 FROM #testing1
 WHERE 
 Day = @dyid 
 ORDER BY 
 Day 
 ,ShID 
... .
...
END;

我正在使用 Java 来解析这样的查询。我想清理以-- 开头并以\n 结尾但不想删除引号之间的内容的单行注释：'text -- text '。

我使用了以下正则表达式：

qry= qry.replaceAll("(\s--.*)|((m?)^--.*\n)","");

它在 http://regexr.com/ 中运行良好，但在我的 Java 代码中它也在删除 '---'；

qry= qry.replaceAll("(?m)(--.*\\n)", "");

请建议正确的正则表达式。

我有以下几种情况：

案例 1：行以 -- 开头，之后它可能在 -- 和 \n 之间有任何字符或特殊字符（新行字符）

-- This is my comment line should be removed
案例2：行开始其他代码，行尾有注释。

Select * from Table; -- GetListFrom table\n
- 注意：我想删除-- GetListFrom table\n
案例 3：如果行在单引号之间包含 --，则什么也不做。

SELECT ShID , ShType , ISNULL(list,'---') AS list , Dy , chambalID , CTypeID FROM #testing1 WHERE Dy = @dyid ORDER BY Day ,ShID
- 在这种情况下，不应删除任何内容。

请提出正确的方法。

【问题讨论】：

请尝试以下模式(\n|^)\s*--.*[^']($|\n)。它还包括注释符号前的选项空格。如果不需要，请删除此部分。
但在这种情况下，您必须用\n 或空格替换此字符串，具体取决于注释行的位置（第一行、最后一行或中间的一行）。上面的正则表达式将只允许您删除从行开始的 cmets。
正确的做法是不要使用正则表达式。而是进行完整的 SQL 词法分析。例如考虑'a string' -- 'part of comment'
@Henry 同意。为了处理主题中提到的所有案例，应该分析整个查询。
a -- sql 注释行在 JDBC 中使用时真的很混乱（它会解决您的整个查询！）。我之前遇到过这个问题，听起来很痛苦，我不得不手动编辑查询。如果您绝对需要保留 cmets，我建议您使用 /* */ 评论

标签： java regex string parsing

【解决方案1】：

使用纯正则表达式解析如此复杂的内容的最大问题之一是效率。所以我放弃了这个想法，转而采用混合解决方案。

我假设您的大多数行中的任何地方都没有--。一个Scanner可以用来获取每一行，很简单看看有没有--存在：

Scanner getLine = new Scanner(qry);
while(getLine.hasNextLine()){
    String line = getLine.nextLine();
    if(line.contains("--")){
        // replacement happens here
    }
}

速度如此之快，而且可读性也很强。接下来，我们可以使用正则表达式：

line.replace("^((?:(?:'[^']*')|[^'-])*)--.*", "$1")

现在，当正则表达式匹配时，它会捕获整行。这就是为什么需要更换 $1 的原因。以下部分提供$1：

'[^']*' 匹配引号之间的任何内容
[^'-] 匹配不是- 或' 的字符

正则表达式的其余部分捕获-- 和行中的其余字符（请记住，正则表达式一次只应用于一行）。

此方法没有考虑到一些事情。但它比其他方法更强大，所以这些边缘情况不太可能出现：

它仅适用于跨越一行的字符串。
它无法识别字符串中的转义 ' 字符。
它不喜欢在引号外看到一个破折号。

如果您认为上述任何问题与您的问题相关（或者您遇到了其他问题），请随时告诉我，我会查看有关更新此答案的信息。

【讨论】：