2

所以，假设我想接受如下字符串
SomeColumn IN||<||>||= [123, 'hello', "wassup"]||123||'hello'||"yay!"
例如：MyValue IN ['value', 123]或MyInt > 123-> 我想你明白了。现在，困扰我的是如何在正则表达式中表达这个？我正在使用 PHP，这就是我现在正在做的事情：

        $temp = explode(';', $constraints);
        $matches = array();
        foreach ($temp as $condition) {
            preg_match('/(.+)[\t| ]+(IN|<|=|>|!)[\t| ]+([0-9]+|[.+]|.+)/', $condition, $matches[]);
        }
        foreach ($matches as $match) {
            if ($match[2] == 'IN') {
                preg_match('/(?:([0-9]+|".+"|\'.+\'))/', substr($match[3], 1, -1), $tempm);
                print_r($tempm);
            }
        }
真的很感谢那里的任何帮助，我的正则表达式很糟糕。

4

1 回答 1

0

我假设您的输入与此类似：

$string = 'SomeColumn IN [123, \'hello\', "wassup"];SomeColumn < 123;SomeColumn = \'hello\';SomeColumn > 123;SomeColumn = "yay!";SomeColumn = [123, \'hello\', "wassup"]';

如果您使用preg_match_all，则无需explode自己构建匹配项。请注意，生成的二维数组将切换其维度，但这通常是可取的。这是代码：

preg_match_all('/(\w+)[\t ]+(IN|<|>|=|!)[\t ]+((\'[^\']*\'|"[^"]*"|\d+)|\[[\t ]*(?4)(?:[\t ]*,[\t ]*(?4))*[\t ]*\])/', $string, $matches);

$statements = $matches[0];
$columns = $matches[1];
$operators = $matches[2];
$values = $matches[3];

也会有一个$matches[4]，但它并没有真正的意义，只在正则表达式中使用。首先，您在尝试中做错了几件事：

  • (.+)将尽可能多地消耗任何字符。因此，如果您在字符串值中有一些看起来像的东西，IN 13那么您的第一次重复可能会消耗所有内容，直到那里并将其作为列返回。它还允许空格和=内部列名。有两种方法可以解决这个问题。通过附加使重复“不贪婪”，?或者更好地限制允许的字符，因此您不能超出所需的分隔符。在我的正则表达式中，我只允许字母、数字和下划线 ( \w) 用于列标识符。
  • [\t| ]这混淆了两个概念：交替和字符类。这样做是“匹配选项卡、管道或空格”。在字符类中，您只需编写所有字符而不用分隔它们。或者，您可以编写(\t| )在这种情况下等效的。
  • [.+]我不知道你想用这个来完成什么，但它匹配文字.或文字+。再次限制允许的字符可能很有用，并检查引号的正确匹配（以避免'some string"）

现在来解释我自己的正则表达式（您也可以将其复制到您的代码中，它会正常工作；另外，您可以在代码中将解释作为注释）：

preg_match_all('/
    (\w+)           # match an identifier and capture in $1
    [\t ]+          # one or more tabs or spaces
    (IN|<|>|=|!)    # the operator (capture in $2)
    [\t ]+          # one or more tabs or spaces
    (               # start of capturing group $3 (the value)
        (           # start of subpattern for single-valued literals (capturing group $4)
            \'      # literal quote
            [^\']*  # arbitrarily many non-quote characters, to avoid going past the end of the string
            \'      # literal quote
        |           # OR
            "[^"]*" # equivalent for double-quotes
        |           # OR
            \d+     # a number
        )           # end of subpattern for single-valued literals
    |               # OR (arrays follow)
        \[          # literal [
        [\t ]*      # zero or more tabs or spaces
        (?4)        # reuse subpattern no. 4 (any single-valued literal)
        (?:         # start non-capturing subpattern for further array elements
            [\t ]*  # zero or more tabs or spaces
            ,       # a literal comma
            [\t ]*  # zero or more tabs or spaces
            (?4)    # reuse subpattern no. 4 (any single-valued literal)
        )*          # end of additional array element; repeat zero or more times
        [\t ]*      # zero or more tabs or spaces
        \]          # literal ]
    )               # end of capturing group $3
    /',
    $string,
    $matches);

这利用了 PCRE 的递归功能，您可以在其中重用子模式（或整个正则表达式）(?n)（其中n只是您也将用于反向引用的数字）。

我可以想到可以用这个正则表达式改进的三件事：

  • 它不允许浮点数
  • 它不允许转义引号（如果您的值是'don\'t do this'，我只会捕获'don\'）。这可以使用否定的lookbehind来解决。
  • 它不允许空数组作为值（这可以通过将所有参数包装在子模式中并使其成为可选参数来轻松解决?）

我没有包括这些，因为我不确定它们是否适用于您的问题，而且我认为正则表达式已经足够复杂，可以在这里展示。

通常正则表达式无论如何都不足以进行正确的语言解析。编写解析器通常会更好。

既然你说你的正则表达式很可怕......虽然正则表达式由于它们不常见的语法看起来像是很多黑魔法，但它们并不难理解，如果你花时间了解一下它们的基本原理概念。我可以推荐这个教程。真的带你一路走好！

于 2012-11-13T22:11:15.897 回答