php - 稍微复杂的正则表达式，用于匹配后面的否定外观，后跟一个精确的短语

Question

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 *

我希望它能帮助我匹配一些 SQL 代码。

但是，看起来我对第二个括号中的短语有问题，例如“不在”和“不喜欢”

我需要一个匹配或不匹配的正则表达式(没有像我当前正则表达式的工作方式那样的部分匹配)。

1. customers.id NOT IN (SELECT MAX(customers_service.customer_id))根本不应该匹配
2. customers.id NOT LIKE (SELECT MAX(customers_service.customer_id))根本不应该匹配
3. id NOT IN (SELECT MAX(customers_service.customer_id))应该匹配
4. id IN (SELECT MAX(customers_service.customer_id))应该匹配

我使用 RegexBuddy 进行检查，并使用我的正则表达式获得了 1 号和 2 号的匹配项。

另外，

1. id NOT IN (SELECT MAX(customers_service.customer_id))仅匹配id NOT ，而不是 id NOT IN
2. id NOT LIKE (SELECT MAX(customers_service.customer_id))仅匹配id NOT ，而不是 id NOT LIKE

我想修改这个正则表达式来捕获否定查找的条件，以及第二个括号中的确切短语，或者根本不匹配(无部分)。

我怎样才能完成这个工作？

Answer 1

首先，\b与单词的开头或结尾不匹配。人们总是这么描述它，但这是一个谎言。什么\b匹配是一个后跟单词字符但前面没有一个的位置-- (?=\w)(?<!\w) -- 或者前面有一个单词字符，后面没有一个-- (?<=\w)(?!\w) 。如果这些条件不完全是您想要匹配的，那么您最好不要使用 \b根本不。

您尝试匹配的名称显然可以包含 @和-以及标准的“单词”字符(字母、数字和下划线)，因此单词边界毫无用处。一般来说，为了确保匹配完整的单词，您可以使用否定后向查找和否定先行查找:

(?<![\w@-])[\w@-]+(?![\w@-])

就您而言，您还需要确保前面的字符不是 . ，并且您知道以下字符必须是空格，因此正则表达式的该部分将是:

(?<![.\w@-])[\w@-]+\s+

更大的问题是，这也可能匹配您不想要的内容，即像 NOT 这样的关键字。和IN 。我建议两种补救措施。首先，收紧关键字的正则表达式，以便复合关键字，如 NOT IN和NOT LIKE被视为原子单位:

(?:NOT(?:\s+(?:IN|LIKE))?|IN|LIKE|BETWEEN|REGEXP|IS(?:\s+NOT)?|XOR)\b

其次，在前瞻中使用它来确保您匹配的第一个单词不是关键字(的一部分)。这是完整的正则表达式，为了可读性分为两行:

(?<![.\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。这是 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'

...这是一个 demo 。