正则表达式：如何在 PL/SQL 中实现负向后查找

Posted 2023-03-28

【中文标题】正则表达式：如何在 PL/SQL 中实现负向后查找

【英文标题】：Regex: How to Implement Negative Lookbehind in PL/SQL

【发布时间】：2014-11-12 21:34:23

【问题描述】：

如何匹配所有以loockup. 开头并以_id 结尾但不以msg 为前缀的字符串？下面是一些例子：

lookup.asset_id -> should match
lookup.msg_id -> shouldn't match
lookup.whateverelse_id -> should match

我知道 Oracle 不支持负向回溯（即(?<!)）...所以我尝试使用交替显式枚举可能性：

regexp_count('i_asset := lookup.asset_id;', 'lookup\.[^\(]+([^m]|m[^s]|ms[^g])_id') <> 0 then
    dbms_output.put_line('match'); -- this matches as expected
end if;

regexp_count('i_msg := lookup.msg_id;', 'lookup\.[^\(]+([^m]|m[^s]|ms[^g])_id') <> 0 then
    dbms_output.put_line('match'); -- this shouldn’t match
                                   -- but it does like the previous example... why?
end if;

第二个regexp_count 表达式不应该匹配...但它确实像第一个。我错过了什么吗？

编辑

在实际用例中，我有一个包含 PL/SQL 代码的字符串，其中可能包含多个 lookup.xxx_id 实例：

declare
    l_source_code varchar2(2048) := '
        ...
        curry := lookup.curry_id(key_val => ''CHF'', key_type => ''asset_iso'');
        asset : = lookup.asset_id(key_val => ''UBSN''); -- this is wrong since it does
                                                        -- not specify key_type
        ...
        msg := lookup.msg_id(key_val => ''hello''); -- this is fine since msg_id does
                                                    -- not require key_type
    ';
    ...
 end;

我需要确定是否至少有一个错误的lookup，即除了lookup.msg_id之外的所有出现，还必须指定key_type参数。

【问题讨论】：

是单个字符串还是多个字符串的串联？可以有很多级别，例如 'lookup.tunnel.east.msg_id' 'lookup.tunnel.east.alternative_msg_id' 呢？有很多方法可以做到这一点，但需要更多信息。

不，只有一层。始终为lookup.xyz_id(param1, param2, paramN)。

【参考方案1】：

使用lookup\.[^\(]+([^m]|m[^s]|ms[^g])_id，您基本上是在要求检查字符串

以lookup.开头，用lookup\.表示， 后跟至少一个不同于( 的字符，用[^\(]+ 表示， 后跟 -- ( | | ) 一个不同于m的字符--[^m]，或者 两个字符：m 加上没有s -- m[^s]，或 三个字符：ms，没有g——ms[^g]，和 以_id 结尾，用_id 表示。

因此，对于lookup.msg_id，第一部分显然匹配，第二部分消耗ms，而将g 留给第三部分的第一个替代项。

这可以通过将第三部分修补为始终为三个字符长（如lookup\.[^\(]+([^m]..|m[^s.]|ms[^g])_id）来解决。然而，这会导致一切都失败，lookup. 和 _id 之间的部分长度至少为四个字符：

WITH
Input (s, r) AS (
  SELECT 'lookup.asset_id', 'should match' FROM DUAL UNION ALL
  SELECT 'lookup.msg_id', 'shouldn''t match' FROM DUAL UNION ALL
  SELECT 'lookup.whateverelse_id', 'should match' FROM DUAL UNION ALL
  SELECT 'lookup.a_id', 'should match' FROM DUAL UNION ALL
  SELECT 'lookup.ab_id', 'should match' FROM DUAL UNION ALL
  SELECT 'lookup.abc_id', 'should match' FROM DUAL
)
SELECT
  r, s, INSTR(s, 'lookup.msg_id') has_msg, REGEXP_COUNT(s , 'lookup\.[^\(]+([^m]..|m[^s]|ms[^g])_id') matched FROM Input
;

|               R |                      S | HAS_MSG | MATCHED |
|-----------------|------------------------|---------|---------|
|    should match |        lookup.asset_id |       0 |       1 |
| shouldn't match |          lookup.msg_id |       1 |       0 |
|    should match | lookup.whateverelse_id |       0 |       1 |
|    should match |            lookup.a_id |       0 |       0 |
|    should match |           lookup.ab_id |       0 |       0 |
|    should match |          lookup.abc_id |       0 |       0 |

如果您只是要确保在相关职位中没有msg，您可能想要 (INSTR(s, 'lookup.msg_id') = 0) AND REGEXP_COUNT(s, 'lookup\.[^\(]+_id') <> 0

为了代码清晰，REGEXP_INSTR(s, 'lookup\.[^\(]+_id') > 0 可能更可取……

@j3d 如果需要更多详细信息，请发表评论。

【讨论】：

感谢您的好评。如果我在同一个字符串中出现更多 lookup.xxx_id 怎么办？在现实世界中，我需要检查可能包含任意数量的匹配或不匹配 lookup 实例的源代码。

@j3d 你能提供更多细节吗？特别是：除了lookup.msg_id，还有更多的“黑名单”令牌吗？如果字符串同时包含要匹配和不匹配的标记，那么预期的响应是什么？检查的更大目的是什么？

@j3d 我说得对吗：(i) 最初，您想挑选出msg 令牌以便不应用keytypecheck？ (ii) 您需要检查语义而不是语法合规性 - 换句话说：例如，不会缺少引号，但 key_type 参数可能会丢失？ (iii) 对要遵守的值的任何其他限制（大小写、特殊字符（不允许）等）？

只有在lookup. 后跟msg_id 时，才可能缺少key_type 参数。对于任何其他情况，必须指定 key_type 参数（或者必须指定至少两个参数）。

@j3d 我猜，您的更新中asset : = 中的第二个空白有误？

【参考方案2】：

要求仍然有点模糊......

在分号处拆分字符串。

检查每个子字符串s 是否符合：

WITH Input (s) AS (
  SELECT '   curry := lookup.curry_id(key_val => ''CHF'', key_type => ''asset_iso'');' FROM DUAL UNION ALL
  SELECT 'curry := lookup.curry_id(key_val => ''CHF'', key_type => ''asset_iso'');' FROM DUAL UNION ALL
  SELECT 'asset := lookup.asset_id(key_val => ''UBSN'');' FROM DUAL UNION ALL
  SELECT 'msg := lookup.msg_id(key_val => ''hello'');' FROM DUAL
)
SELECT
  s
FROM Input
WHERE REGEXP_LIKE(s, '^\s*[a-z]+\s+:=\s+lookup\.msg_id\(key_val => ''[a-zA-Z0-9]+''\);$')
 OR
 ((REGEXP_INSTR(s, '^\s*[a-z]+\s+:=\s+lookup\.msg_id') = 0)
  AND (REGEXP_INSTR(s, '[(,]\s*key_type') > 0)
  AND (REGEXP_INSTR(s,
    '^\s*[a-z]+\s+:=\s+lookup\.[a-z]+_id\(( ?key_[a-z]+ => ''[a-zA-Z_]+?'',?)+\);$') > 0)) 
;


|                                                                        S |
|--------------------------------------------------------------------------|
|[tab] curry := lookup.curry_id(key_val => 'CHF', key_type => 'asset_iso');|
|      curry := lookup.curry_id(key_val => 'CHF', key_type => 'asset_iso');|
|                                 msg := lookup.msg_id(key_val => 'hello');|

这将允许右括号之前的多余逗号。但是如果输入在语法上是正确的，那么这样的逗号就不会存在。