Python正则表达式：选择两个括号之间的所有内容忽略中间的括号答案

【问题标题】：Python Regex: Select everything between two brackets ignore brackets in betweenPython正则表达式：选择两个括号之间的所有内容忽略中间的括号
【发布时间】：2021-12-06 12:45:17
【问题描述】：

我想捕获整个子查询，无论中间是否有连接或子字符串函数（即忽略子查询中的另一个括号打开和关闭。（a）我们不想将“加入”捕获为一个单词 (b) “alias2” 不会总是跟在“join”之后，它可以是任何东西（单词边界、空格或“join”单词）。

案例 1：select 中没有 concat 或 sub-string 函数

在： (select t1.col1 as alias1 from db.tb where t1.col1='val1') alias2 join
输出： (select t1.col1 as alias1 from db.tb where t1.col1='val1') alias2

案例 2：select 中的 Concat 函数

在： (select concat(t1.col1, t2.col1, t3.col1) as alias1 from db.tb where t1.col1='val1') alias2 join
输出： (select concat(t1.col1, t2.col1, t3.col1) as alias1 from db.tb where t1.col1='val1') alias2

我尝试过的：

方法一：re.findall('\(select.*?\)\s[a-zA-Z0-9_]+', input statement)

方法 2：如 @TheFourthBird 建议的那样

import re
pat1 = '\(select.*?\)\s[a-zA-Z0-9_]+'
pat2 = "\(select [^()]*(?:(\((?>[^()]+|(?1))*\)))?[^()]*\)[^()\n]+"

string1 = "(select t1.col1 as alias1 from db.tb where t1.col1='val1') alias2"
string2 = "(select concat(t1.col1, t2.col1, t3.col1) as alias1 from db.tb where t1.col1='val1') alias2"

print(re.findall(pat1, string1))
print(re.findall(pat1, string2))

import regex as re
print(re.findall(pat2, string1))
print(re.findall(pat2, string2))

pattern = re.compile(pat2, re.UNICODE)
print([match.group(0) for match in pattern.finditer(string2)])

输出：

["(select t1.col1 as alias1 from db.tb where t1.col1='val1') alias2"]
['(select concat(t1.col1, t2.col1, t3.col1) as']
['']
['(t1.col1, t2.col1, t3.col1)']
["(select concat(t1.col1, t2.col1, t3.col1) as alias1 from db.tb where t1.col1='val1') alias2 join "]

上述方法有什么问题：

方法 1：适用于案例 1，但不适用于案例 2。
方法 2：仍然行不通！但是，["(select concat(t1.col1, t2.col1, t3.col1) as alias1 from db.tb where t1.col1='val1') alias2 join "] 是最符合预期的。但是，它不应该捕获 alias2 旁边的内容。

请帮帮我！

【问题讨论】：

你安装了还是安装了pypi.org/project/regex？
见this example code
你有我建议的模式的旧版本，应该是like this\(select [^()]*(?:(\((?>[^()]+|(?1))*\)))?[^()]*\)\s[a-zA-Z0-9_]+
这与旧版本无关。模式变了！！让我看看它现在是否有效。
现在使用您现在建议的模式适用于上述示例。谢谢@Thefourthbird。

标签： mysql python-3.x regex

【解决方案1】：

您可以先匹配(select ，然后可以选择使用PyPi regex module 匹配平衡括号。

在模式的末尾，匹配一个空白字符并使用您的字符类。

\(select [^()]*(?:(\((?>[^()]+|(?1))*\)))?[^()]*\)\s[a-zA-Z0-9_]+

部分模式匹配：

\(select 匹配(select
[^()]* 可选匹配除 ( 和 ) 之外的任何字符
(?:非捕获组
- ( 捕获第 1 组
  - \((?>[^()]+|(?1))*\) 匹配 ( 并使用递归模式递归第一个子组（捕获组 1），最后匹配 )
- )关闭第一组
)?关闭非捕获组并使其可选
[^()]*\) 可选匹配除括号外的任何字符，然后匹配 )
\s[a-zA-Z0-9_]+ 匹配一个空白字符和字符类中列出的 1+

查看regex demo 和Python demo

例如，使用 re.finditer （因为 re.findall 返回捕获组值）：

import regex as re

pattern = r"\(select [^()]*(?:(\((?>[^()]+|(?1))*\)))?[^()]*\)\s[a-zA-Z0-9_]+"

s = ("In: (select t1.col1 as alias1 from db.tb where t1.col1='val1') alias2\n\n"
    "Out: (select t1.col1 as alias1 from db.tb where t1.col1='val1') alias2\n\n"
    "In: (select concat(t1.col1, t2.col1, t3.col1) as alias1 from db.tb where t1.col1='val1') alias2\n\n"
    "Out: (select concat(t1.col1, t2.col1, t3.col1) as alias1 from db.tb where t1.col1='val1') alias2\n")

matches = re.finditer(pattern, s)

for matchNum, match in enumerate(matches, start=1):
    
    print(match.group())

输出

["(select t1.col1 as alias1 from db.tb where t1.col1='val1') alias2"]
["(select concat(t1.col1, t2.col1, t3.col1) as alias1 from db.tb where t1.col1='val1') alias2"]

注意匹配 SQL 容易出错。

【讨论】：