SPARQL 查询中的递归正则表达式以识别匹配的括号答案

【问题标题】：Recursive Regex in SPARQL query to identify matching parenthesesSPARQL 查询中的递归正则表达式以识别匹配的括号
【发布时间】：2020-06-23 12:16:33
【问题描述】：

我正在尝试使用 SPARQL 来查询具有带平衡括号的正则表达式的文字。所以应该返回“（（1）（（2））（（（3）））4）”，但是“（（1）（（2））（（（3））4）”，我删除了一个“3”后的右括号，不应返回。

我以前在这里寻找合适的正则表达式：Regular expression to match balanced parentheses

并且一直在尝试实现rogal111建议的正则表达式，如下：

\(([^()]|(?R))*\)

这个正则表达式遵循 PCRE 语法，我理解是 W3C 标准，应该遵循 SPARQL。根据链接示例http://regex101.com/r/lF0fI1/1，这应该适用于上述示例。

我已经在一个基于 Jena 的三重商店和一个基于 Virtuoso 的三重商店上测试了这一点。

Jena：当我尝试使用下面的查询为 SPARQL 实现它时，它说 (?R) 内联修饰符是未知的。

SELECT ?lf
WHERE
{
  BIND("(test)" AS ?l)
  FILTER REGEX(?l, "\\(([^()]|(?R))*\\)").
}

返回的完整错误信息如下。

Regex pattern exception: java.util.regex.PatternSyntaxException: Unknown inline modifier near index 11 \(([^()]|(?R))*\)

Virtuoso：基于 Virtuoso 的三元存储（测试于：https://sparql.uniprot.org/sparql）确实有效，但也返回了不正确的输出，如下面的查询所示：

SELECT ?lf
WHERE
{
  BIND("((test)" AS ?l)
  FILTER REGEX(?l, "\\(([^()]|(?R))*\\)").
}

我不确定这是故意的、错误的还是我做错了什么。最终，我想让它在基于 Jena 的 Triplestore 上工作。谁能帮我解决这个问题？

【问题讨论】：

大部分 RDF 工具（包括 Jena）都是用 Java 编写的，但 Java regex libraray 不支持 regex 递归。查看stackoverflow.com/questions/47162098，其中讨论了非递归解决方案并将其应用于您的案例。还建议使用REPLACE 而不是REGEX 并应用过滤器检查替换结果是否为空，这表明整个文字匹配
Java 正则表达式不支持递归。
感谢两位的回复！因此，如果我正确理解您的答案，基于 Java 的三重存储无法完全实现 w3.org/TR/sparql11-query 建议？那我看看另一种解决方案。
@Wytz SPARQL 语法 REGEXP 在w3.org/TR/sparql11-query/#func-regex 指向 XPath 和 XQuery 部分在 w3.org/TR/xpath-functions/#regex-syntax 这反过来又导致 w3.org/TR/xmlschema-2/#regexs 并且在这些文档中我找不到需要支持的参考递归...
@DamyanOgnyanov 你是对的，看来我误解了w3.org/TR/xpath-functions/#regex-syntax 上的描述。我认为这意味着即使语法有时可能与例如不同。 Perl（他们指的是，我相信应该是 PCRE），它将广泛地提供相同的有效性检查功能。

标签： regex sparql jena

【解决方案1】：

只是为了澄清和补充我对REPLACE 使用的评论，以下应该有效：

SELECT * 
{
    VALUES ?value { 
        "( (1) ((2)) (((3))) 4)" 
        "( (1) ((2)) (((3)) 4)"
        "before (test) after" 
        "before ((test) after"
    }
    bind(!regex(
            replace(?value, '(?=\\()(?:(?=.*?\\((?!.*?\\1)(.*\\)(?!.*\\2).*))(?=.*?\\)(?!.*?\\2)(.*)).)+?.*?(?=\\1)[^(]*(?=\\2$)', '') 
            , '[()]') as ?result)
}

【讨论】：