如何构造复杂的正则表达式

题目本来是《如何构造复杂的正则表达式》，但是感觉有点暧昧的时候就觉得正则表达式很简单，在教人怎么把它变小。相反，我的本意是说，即使是复杂的正则表达式也不怕。找出合适的方法并构建它们。Snopo给出的文本如下：or和name=' zhangshan '和id=001 or age20 or area='% renmin% '等，询问如何提取正确的SQL查询语句。简单分析一下，中间部分还算满意，但是两端有几个像，或者，和。构建能够根据SQL语法解析查询语句的正则表达式应该很复杂。但是，对于具体问题，也可以简单一些。以上格式不良的SQL语句应该是使用程序自动生成的，两端会有一些不符合题意的文字。去掉文字就行了。所以我写了一个正则表达式：s/(？(?or |和|like)\s*) |\s*(吗？(?or |和| like)\ s *)$//mi；这样，多行字符串开头和结尾的所有like、or和可能的空白字符都会被删除，剩下的就是您想要的了。分而治之的答案发出后，Snopo显然对这种“偷懒”的方法不满意。他继续问，能不能写一个正则表达式来匹配符合SQL语法要求的条件查询语句？(只考虑where部分，不必编写完整的select。的确，从快速解决问题的角度来看，只要能有效解决，任何方法都可以用；但是，从学习知识的角度来看，这是一条正确的触底之路，而不是避重就轻。在这种情况下，让我们看看如何使用正则化来解决这个SQL查询语句。最简单的查询语句应该是真假判断，即其中1；真实的地方；真的，在哪里等。这样的语句使用正则表达式，直接/(？-?\ d |真|假)/i .稍微复杂一点的单条语句可以左右比较，也就是复制的代码如下：name喜欢' zhang% '，或者age25，或者work in ('it '，' hr '，' RD ')。为了简化它，结构变成了A OP B.其中a代表变量，OP代表比较运算符，b代表值。A :最简单的a应该是\ w .考虑到实际情况，变量中包含一个点或插入符号，比如table.salary '，可以写成/[\w.`]/。这是一个更一般的细化。如果要求苛刻，也可以让脱字符号同时出现在两边(条件判断)。OP:其中常用的关系是=，=，=，介于，类似，在。使用简单的常规描述，变成：/(？[=]{1，2 } |介于|相似|在)/i .B:b可以分为三种类型：变量、数字、字符串和列表。为了简单起见，这里不考虑算术表达式。变量，一个的定义可以直接扩展。不要重复。数字：使用/\ d/来定义。忘记小数和负数。字符串：包括单引号字符串和双引号字符串。您可以在中间包含转义引号。我写了一个符合这个要求的引号字符串正则表达式，就像：/([''])(？\\['']|[^\\1])*?\1/。然而，由于它只是一个巨大机器的一部分，这样写的风险是极其巨大的。首先，它使用反向引用。其次，反向引用使用全局反向引用号。我写了一个自动生成全局数字的函数来解决这个问题。不过这里谈细节也不算太深。先讲框架，再讲细节。你不应该一开始就陷入细节的海洋。list:list类似于(1，3，4)或(' it '，' hr '，' rd ')，由两边带括号的逗号连接的简单变量组成。列表中的单个项目由I表示，I表示数字|字符串。此时，列表变成：/\(我(？我)*？\)/。它的意思是，左括号，一个I，一系列由逗号和I组成的其他列表项(0或更多)，以及右括号。为了简单起见，不考虑空白字符。至此，我们可以总结出单个语句的正则框架：S=~ /A OP B/i.s在这里只代表一种说法。更复杂的是多条语句，可以由一条语句组成，中间用和或连接。

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。下面以大蟒为例，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 #-*-编码： utf-8-*-# #作者： rex #博客： http://iregex.org #文件名测试。py #创建d : 2010-08-06 17:12 # generage引用字符串；#包括'和字符串#allow和内部索引=0 def gen _ quote _ str():全局索引索引=1 char=chr(96索引)返回r ' '(？Pquote_%s[''])(？\\['']|[^''])*?(?P=quote_%s)'''% (char，char)#简单变量def a(:)返回r '[\ w `] ' #运算符def op():返回r '(？[=]{1，2 } | Between | Like | In)' #列表项In(，#eg: 'a '，23，a.b，' asdfasdf ' aasdf ' def项(): return r '(？%s|%s)' % (a()，gen _ quote _ str())#一个复杂列表，像#eg: (23，24，44)，(' regex '，' is '，' good') def items():返回r ' ' \(\ s * % s(？\s* %s)* \s* \)''' % (item()，item())#简单比较#eg: a=15，b23 def s():返回% s \ s * % s \ s *(什么？ \ w | % s | % s)' ' ' ' %(a()，op()，gen_quote_str()，items())#复杂比较#名称如张% '和23岁和工作在(' hr '，' it '，' rd ')def(c()):返回r ' '(？ix) %s(？\s*(什么？和|或)\ s * % s \ s *)* %(s()，s())打印A:\t '，a()打印OP:\t '，OP()打印项目：\t '，项目()打印item : \ t '，ITEMS()打印S:\t '，s()打印C:\t '，c()该代码在我的机器上(Ubuntu 10.04，Python 2.6.5)运行的结果是：复制代码代码如下： A: [\w.`] OP:(？[=]{1,2 } |介于|相似|在)项目：(?[\ w `] |(？Pquote_a[''])(？\\['']|[^''])*?(?P=quote_a)) ITEMS: \(\s*(什么？[\ w `] |(？Pquote_b[''])(？\\['']|[^''])*?(?P=quote_b))(？\s*？[\ w `] |(？Pquote_c[''])(？\\['']|[^''])*?(?p=quote _ c)))* \ s * \)s 3360[\ w `]\ s *(什么？[=]{1,2 } |介于|相似|在)\s*(之间？\w |(？Pquote_d[''])(？\\['']|[^''])*?(?P=quote_d) | \(\s*？[\ w `] |(？Pquote_e[''])(？\\['']|[^''])*?(?P=quote_e))(？\s*？[\ w `] |(？Pquote_f[''])(？\\['']|[^''])*?(?P=quote_f)))* \s* \) ) C:(？IX)[\ w `] \ s *(什么？[=]{1,2 } |介于|相似|在)\s*(之间？\w |(？Pquote_g[''])(？\\['']|[^''])*?(?P=quote_g) | \(\s*？[\ w `] |(？Pquote_h[''])(？\\['']|[^''])*?(?P=quote_h))(？\s*？[\ w `] |(？Pquote_i[''])(？\\['']|[^''])*?(?P=quote_i)))* \s* \))(？\s*(什么？和|或)\ s *[\ w `] \ s *(什么？[=]{1,2 } |介于|相似|在)\s*(之间？\w |(？Pquote_j[''])(？\\['']|[^''])*?(?P=quote_j) | \(\s*？[\ w `] |(？Pquote_k[''])(？\\['']|[^''])*?(?P=quote_k))(？\s*？[\ w `] |(？Pquote_l[''])(？\\['']|[^''])*?(?P=quote_l)))* \s* \) ) \s* )*请看匹配效果图

算术表达式我记得刚才说“为了简单起见，这里不考虑算术表达式”。但是解析算术表达式是一个非常有趣的话题，任何算法书都会提到(中缀表达式到前缀表达式等等)。当然也可以用正则表达式来描述。主要思想是复制代码如下： expr-expr term | expr-term | term term-term * factor | term/factor | factor-digit |(expr)和代码：复制代码如下： #！/usr/bin/python #-*-coding : utf-8-*-# # author : rex # blog 3360 http://jb51.net # filename math . py # created : 2010-08-07 00:44 integer=r ' \ d ' factor=r ' % s(？\.“%s”)”%(整数，整数)项='%s(？ \s* [*/] \s* %s)* ' %(因子，因子)expr='(？x) %s(？3360 \ s * [-] \ s *% s) *'%(术语，术语)打印expr查看其输出和匹配渲染：。

提示：如果不用复杂的正则表达式就能解决问题，那就不要用。如果一定要写复杂的正则表达式，请参考以下原则。从大的方面来看，首先了解待解析文本的整体结构，并将其划分为小部件；我们从细节出发，努力实现每一个小部件，力求让每一个部分都完整牢固，放在大局中也不会冲突。正确组装这些零件。分而治之的好处：当只有一个模块出错，其他部分正确时，可以快速定位错误，消除bug。除非你知道你在做什么，它会有什么副作用，以及是否有可行的解决方案，否则请小心使用捕获括号。对于短正则表达式，多一两个括号是无害的；但是对于复杂的正则表达式，一对额外的括号可能是致命的错误。尝试使用自由空间模式。此时，您可以自由添加注释和空白字符，以提高正则表达式的可读性。