选择子句复杂的正则表达式模式

Question

我正在为我的硕士论文开发一些应用程序，在此过程中我必须构建一个 SQL 解析器。为此，我决定加强正则表达式，因为这似乎是当时最好的方法。

问题是我的正则表达式有一些小问题。

考虑一些查询示例，例如：

select 
    RIC 
from 
    (select 
         s.RIC, m.NAME 
     from 
         Stock s, Market m 
     where 
         s.LISTED_ON_EXCHANGE = m.RIC) t 
where 
    RIC > 'G';

select * 
from Stock 
order by COMPANY 
LIMIT 0,2;

select 1+2;

select now();

select 
    s.RIC, m.NAME 
from 
    Stock s 
INNER JOIN  
    Market ON m I s.LISTED_ON_EXCHANGE = m.RIC;

select * 
from Stock 
order by COMPANY;

select * 
from Stock 
where RIC in ('GS.N' , 'INFY.BO');

select * 
from Stock 
where RIC LIKE 'V%';

select * 
from Stock 
where RIC BETWEEN 'G' AND 'I';

select count(*) 
from STOCK 
where LISTED_ON_EXCHANGE IS NOT NULL;

select na_me as n, price as p 
from bla, blabla, blalalaa;

并给出以下两个正则表达式：

SELECT_FIELDS_PATTERN = "(?<=[SELECT]) [\\d\\w',.*() ]+ (?=FROM)";

这应该与选择字段匹配。

还有：

SELECT_FROM_PATTERN = "(?<=[FROM]) [\\w, ]+ (?(?=(?:WHERE|INNER|ORDER)))";

应该匹配 FROM 子句，不包括任何条件或排序等。

除

之外的所有查询

select 1+2;
select now();

应该是有效的。那是因为我只想为我解析包含相关信息的选择查询。

问题是我创建的两个正则表达式不会验证例如最后一个查询：

select na_me as n, price as p from bla, blabla, blalalaa;

所以我需要一些帮助来改进我对选择查询的正则表达式，甚至可能合并两个正则表达式？

第一个查询的正确输出示例：

select RIC from (select s.RIC, m.NAME from Stock s, Market m where s.LISTED_ON_EXCHANGE=m.RIC) t where RIC > 'G';

输出应该是：

RIC

第一部分和

(select s.RIC, m.NAME from Stock s, Market m where s.LISTED_ON_EXCHANGE=m.RIC) t

第二部分

Answer 1

• 字符类不是组 - 删除关键字周围的 [ 和 ]。
• 不要使用无用的环视，在某些情况下会导致问题。
• 您可能希望在关键字周围使用\b，以便SELECT 与FOOSELECT 不匹配。
• 可以使用(?i) 使表达式不区分大小写。

你可以使用类似的东西：

(?i)\bSELECT\b\s+(.+)\s+\bFROM\b\s+([\w\s,]+?)(?:\s+\b(?:WHERE|INNER|ORDER)\b|;?$)

在第一个和第二个捕获组中捕获感兴趣的部分。

请注意，这不适用于字符串，在其他情况下，SQL 也是递归的，很难用 Java 正则表达式解析。如果您想正确解析 SQL，我建议您使用正确的解析器。 （你可以自己写一个简单的，使用正则表达式来生成令牌，使用 Java 来解析令牌并构建解析树。）