Question

如何使用正则表达式解析有限的SQL where子句？

where子句的格式受到限制。它不包含子查询。它仅限于“AND”，“OR”和“（）”。

因此，如果我获得了where子句，我想从中提取部分。

where子句的3个例子：

ProjectNumber =？
ProjectNumber =？ AND severity = 5
（ProjectNumber =？AND severity = 5）OR DueDate＆lt; （DATETIME（ 'NOW'））

例如1，我想要“ProjectNumber =？”

例如2，我想要“ProjectNumber =？”，“severity = 5”

例如3，我想要“ProjectNumber =？”，“severity = 5”，“DueDate＆lt;（DATETIME（'NOW'））”

“？”表示该值已参数化。

我知道正则表达式不足以解析完整的SQL where-clause。

我发现这个“（？＆lt; = ^ | \ A |（AND | OR））（？：[^'] |'（？：[^'] |'{2}）+'）* ？（？=（AND | OR）| $ | \ Z）“但它不适用于3。

编程语言是C＃，数据库是SQLite。

P.S。我是Regex的基本经验。

感谢。

P.S。以下是我目前的C＃代码：

string query = @"(ProjectNumber=? AND severity=5) OR DueDate < (DATETIME('NOW'))";
string pattern = @"(?<=^|\A|(AND|OR))(?:[^']|'(?:[^']|'{2})+')*?(?=(AND|OR)|$|\Z)";
MatchCollection matches = Regex.Matches(query, pattern);
foreach (Match match in matches) 
    Console.WriteLine(match.ToString());
    // currently Console.WriteLine() gives the following:
    // (ProjectNumber=?
    // severity=5)
    //  DueDate < (DATETIME('NOW'))

Answer 1

通过对SQL WHERE谓词施加的限制，可以创建一个正则表达式，在计算(DATETIME('NOW'))等结构时提取比较表达式。

我将展示和解释的正则表达式要求WHERE谓词在语法上是正确的。如果WHERE谓词有语法错误，则正则表达式可能不匹配或产生垃圾结果。

正则表达式的全部荣耀（增加了空格以增强可读性！）：

\w[\w\d]* \s*[<>=]{1,2}\s* ( \?|\w[\w\d]*|(\w[\w\d]*)*((?<PR>\()|(?<-PR>\))|[^()])+ )

虽然它肯定不是一个很长的正则表达式，但它仍然难以阅读和理解。因此，让我们解构这个正则表达式并解释它的几个部分。为此，我们将首先看看我们实际想要从WHERE谓词中提取的内容。

我们想要从WHERE谓词中提取的每个表达式都遵循相同的基本模式：

SomeIdentifierWithoutParantheses =|<=|>=|<> SomeOtherThingWithOrWithoutParentheses

这个（a的高级描述）模式足以理解正则表达式需要匹配什么来从WHERE谓词中提取所需的部分。

我们的正则表达式中的第一部分\w[\w\d]*匹配 SomeIdentifierWithoutParantheses 。这可以是以字母数字字符开头的任何标识符，后跟其他字母数字字符和/或数字。此类标识符的示例为 ProjectNumber 和 My1Ident23 。

正则表达式\s*[<>=]{1,2}\s*中的第二部分与比较操作数=，<=，>=和<>匹配，包括任何空格在比较运算符之前和之后。（好吧，它也会像=<那样匹配废话，但是-as在开头说 - 我们假设语法正确的SQL。）

正则表达式的第三部分与比较运算符后面的第二个操作数匹配，这看起来有点笨拙：( \?|\w[\w\d]*|(\w[\w\d]*)*((?<PR>$)|(?<-PR>$)|[^()])+ )。让我们进一步解构正则表达式的这一部分。您可能已经注意到，整个事情是三个备选选项的交替，将在下面解释。

\?显然匹配单个问号（如“ProjectNumber =？”）。 \w[\w\d]*匹配标识符的方式与第一个操作数匹配的方式相同。

(\w[\w\d]*)*((?<PR>$)|(?<-PR>$)|[^()])+包含.NET中RegEx引擎的特色：平衡组。使用具有平衡组的这种构造允许正则表达式匹配包含（嵌套）括号组( - )的操作数，例如 DATETIME（'NOW'）或（DATETIME（ 'NOW'））

关于StackOverflow的另一个问题，MartinBüttner对平衡群体做了很好的解释（问题的主题是“What are regular expression Balancing Groups?”）我想指出任何不了解平衡群体的人他的回答（click here to navigate to Martin's answer）。另一个很好的解释可以在CodeProject上找到。

您会注意到没有任何东西可以处理布尔运算符，例如 AND 或 OR 。这不是必需的，因为这些布尔运算符不是正则表达式匹配的模式的一部分。（还记得上面关于模式的崇高描述吗？）

如何在C＃中使用这样的正则表达式从WHERE谓词中提取所需的部分？

首先，请注意我将继续在正则表达式中使用空格以提高可读性。这需要使用 RegexOptions.IgnorePatternWhitespace 或“（？x）”内联选项进行RegEx初始化。在下面的代码中，我使用前者。

要从WHERE谓词中提取所有部分，将使用RegEx.Matches方法，该方法返回Match个对象的集合。每个Match对象代表一个提取的部分。

Regex re = new Regex(
    @"\w[\w\d]* \s*[<>=]{1,2}\s* ( \?|\w[\w\d]*|(\w[\w\d]*)*((?<PR>\()|(?<-PR>\))|[^()])+ )",
    RegexOptions.IgnorePatternWhitespace | RegexOptions.Compiled
);


string wherePredicate =
    "(ProjectNumber=? AND severity=5) OR DueDate < (DATETIME('NOW'))";
    // or use any other WHERE predicate string here...

MatchCollection mc = re.Matches(wherePredicate);

if (mc.Count == 0)
    Console.WriteLine("No matches found.");
else
    foreach (Match m in mc)
        Console.WriteLine("\"{0}\"", m.Value);

您可以借助Regex Storm .NET Regex tester在线试验正则表达式和不同的输入字符串。

正则表达式解析有限SQL的子句

1 个答案: