Java RegEx API“后向组在索引附近没有明显的最大长度...”

Question

我正在进行一些 SQL where 子句解析，并设计了一个工作正则表达式，以使用使用 .NET API 的“Rad Software Regular Expression Desginer”查找字符串文字之外的列。为了确保设计的 RegEx 也适用于 Java，我当然使用 API（1.5 和 1.6）对其进行了测试。但你猜怎么着，这是行不通的。我收到消息了

“后视组在索引 28 附近没有明显的最大长度”。

我试图解析的字符串是

Column_1='test''the''stuff''all''day''long' AND Column_2='000' AND  TheVeryColumnIWantToFind      =    'Column_1=''test''''the''''stuff''''all''''day''''long'' AND Column_2=''000'' AND  TheVeryColumnIWantToFind   =    ''   TheVeryColumnIWantToFind   =    '' AND (Column_3 is null or Column_3 = ''Not interesting'') AND ''1'' = ''1''' AND (Column_3 is null or Column_3 = 'Still not interesting') AND '1' = '1'

正如您可能已经猜到的，我尝试创建某种最坏的情况，以确保 RegEx 不会在更复杂的 SQL where 子句上失败。

正则表达式本身看起来像这样，

(?i:(?<!=\s*'(?:[^']|(?:''))*)((?<=\s*)TheVeryColumnIWantToFind(?=(?:\s+|=))))

我不确定是否有更优雅的正则表达式（很可能会有一个），但这现在并不重要，因为它可以解决问题。

用几句话解释正则表达式： 如果它找到我要查找的列，它会执行负向后查找来确定列名是否在字符串文字中使用。如果是这样，则不会匹配。如果没有，就会匹配。

回到问题。正如我之前提到的，它不适用于 Java。什么会起作用并产生我想要的效果？
我发现，Java 似乎不支持无限的后视，但我仍然无法让它工作。
从搜索偏移量到当前搜索位置，后视总是对自身施加限制，这不是正确的吗？那么它会导致类似“位置 - 偏移”的结果吗？

Answer 1

我终于找到了解决方案，因为我在这里提出了这个问题，所以我当然会与您分享。

private static final String SQL_STRING_LITERALS_REGEX = "'(?:(?:[^']|(?:''))*)'";
private static final char DOT = '.';

private ArrayList<int[]> getNonStringLiteralRegions(String exclusion) {
    ArrayList<int[]> regions = new ArrayList<int[]>();

    int lastEnd = 0;
    Matcher m = Pattern.compile(SQL_STRING_LITERALS_REGEX).matcher(exclusion);
    while (m.find()) {
        regions.add(new int[] {lastEnd, m.start()});
        lastEnd = m.end();
    }
    if (lastEnd < exclusion.length())
        // We didn't cover the last part of the exclusion yet.
        regions.add(new int[] {lastEnd, exclusion.length()});

    return regions;
}

protected final String getFixedExclusion(String exclusion, String[] columns, String alias) {
    if (alias == null)
        throw new NullPointerException("Alias must not be null.");
    else if (alias.charAt(alias.length() - 1) != DOT)
        alias += DOT;

    StringBuilder b = new StringBuilder(exclusion);
    ArrayList<int[]> regions = getNonStringLiteralRegions(exclusion);
    for (int i = regions.size() - 1; i >= 0; --i) {
        // Reverse iteration to keep valid indices for the lower regions.
        int start = regions.get(i)[0], end = regions.get(i)[1];
        String s = exclusion.substring(start, end);
        for (String column : columns)
            s = s.replaceAll("(?<=^|[\\W&&\\D])(?i:" + column + ")(?=[\\W&&\\D]|$)", alias + column);
        b.replace(start, end, s);
    }

    return b.toString();
}

这次的技巧是简单地找到任何 SQL 字符串文字，并在用“Alias.ColumnName”替换列时避免使用它们。替换时确保完整的列名非常重要。因此，如果我们要替换 where 子句

WHERE Column_1 = Column_2 AND Column_11 = Column_22

“Column_11”中的列“Column_1”，则保持不变。 （我认为记住这一点很重要，这就是为什么我在这里为面临类似问题的人提到它。）
不过，我认为这只是一种解决方法，如果您可以避免这种逻辑的需要，最好这样做。

好的，无论如何，感谢您的帮助，如果有的话，我很乐意回答您即将提出的问题。