使用Java正则表达式硬编码实现有限层的嵌套匹配

原始发表时间：2009-04-05

 

     今天遇到一个需求，是将oracle 的语句替换为hsqldb 的语句，其中oracle 语句中调用了trim 函数，本来想自己写个名为trim 的静态方法而后通过hsqldb 的“create alias” 映射到hsqldb 当中，结果发现hsqldb 中已经将trim 设置为保留字，并且还没有提供实现（晕……不提供功能还站着地方~~ ）

     思前想后要不然就替换吧，hsqldb 当中有ltrim 和rtrim 这两个函数，我可以将SQL 语句中的trim() 替换为ltrim(rtrim()) 这样不就结了？一瞬间很佩服自己点子来的够快（不过高兴的太早了，后面就进入了梦魇阶段……-_-bbb ）

     由于trim() 函数中可能会有其他的文本内容，于是乎很自然的想到用正则表达式，pia pia 写好正则表达式进行替换（这个比较简单就不给出代码了），脑袋灵光一闪，突然想到万一有人在trim() 里面写很复杂的语句，或者trim() 函数嵌套使用呢？

比如有人写了这样一些语句：

示例 1 ：

trim(case when a=1 then '0' when trim(a)='' or trim(a) is null then '1' else '2' )

   

 

示例 2 ：

trim(trim(trim(' 123 ')))

   

 

    看到这个我有一种不祥的预感，翻了一遍Apress 出版的可爱的“小人书”《Java.Regular.Expressions.Taming.the.java.Dot.util.Dot.regex.Engine 》（绝无轻蔑之意，只是这本书写的太漂亮了，所以忍不住取个外号，唉~~ 坏习惯了~~ ），无果……

    在网上乱逛帖子，从4 月4 日的晚上到4 月5 日的上午，差不多4 、5 个钟头（不算睡觉、看片、打CS 的时间）都花在这个问题上，突然看到一个关键字“嵌套”（英文nested ），在某个帖子里看到Java 的正则表达式并不支持嵌套匹配，有搜到一篇文章是.Net 中如何实现嵌套匹配的（该文链接为http://blog.csdn.net/appoFeng/archive/2008/07/07/2620998.aspx ），看得我直眼馋，为虾米Java 没有呢？这个可以有啊！！网上帖子一直表示“这个真没有！！”

    火大了，在电脑的资料翻电子书，终于翻到另外一件宝贝O'Reilly 的《Mastering.Regular.Expressions 》 2Nd.Edition （网上看到最新的是第三版，该死的网络，要不然我早就拿到第三版了）~~

    因为网上讲Perl 也实现了嵌套调用，而且Jakarta-ORO 项目正是实现Perl 的正则表达式引擎的项目，于是乎我又报了一点希望的看ORO 的文档，不过它的文档有够简单的，没办法继续google ，在网上看到的帖子鲜有介绍这方面信息的，目光出溜出溜着回到了《Mastering.Regular.Expressions 》，心里默念，主啊，给个面子，给点提示吧~~ 哥哥我快被你整挂了~~

    翻到书中Perl 相关的章节（还好报了最后一点希望，要不然永远不知道还有硬编码这个方法可以实现嵌套匹配的），翻到第7 章的第8 节“Fun With Perl Enhancements” （这个标题真是漂亮，我最爱增强特性了），文字部分就不讲了，大家看看Figure 1. Capturing parentheses ，有没有觉得这张图想什么？我觉得有点像蒙娜丽莎（边想着边躲避面前飞来的板砖），我的意思是这张图就是解决问题的幸运钥匙（比喻的好……像小学生的造句……）

    这个图的小节标题是“ 7.8.1 Using a Dynamic Regex to Match Nested Pairs” ，正是让我们使用 Perl 的动态正则表达式匹配成对嵌套的内容（翻译的有点蹩脚 ~~ -_-# ）

    参考文章的思路，写成了下面的代码，用来将 trim() 函数翻译成 ltrim(rtrim()) 。

 

public static void main(String[] args) {
    String exp = "([^lr])trim" + createExpRecursive("\\(([^()]*|([^()]*", "[^()]*)*)\\)", 3);
    System.out.println("生成的正则表达式内容：" + exp);
    Pattern pattern = Pattern.compile(exp);
    String result = "trim(case \n\twhen a=1 then '0' "
                + "\n\twhen trim(case when a=1 then trim(' 123 ') "
                + "\n\telse trim('abc ') end)='' or trim(b) is null then '1' else '2'"
                + "\n)";
    Matcher m = pattern.matcher(result);
    while (m.find()) {
        for (int i = 0; i < m.groupCount(); i++) {
            System.out.println("grp " + i + " :" + m.group(i));
        }
        result = m.replaceAll("$1ltrim(rtrim($2))");
        System.out.println("replaced result step by step: \n----------------\n" 
                            + result + "\n----------------\n");
        m.reset(result);
    }
    System.out.println("final res: \n----------------\n" 
                            + result + "\n-----------------\n");
}

private static String createExpRecursive(String start, String end, int depth) {
    if (depth == 1) {
        return start + "\\([^()]*\\)" + end;
    } else {
        return start + createExpRecursive(start, end, depth - 1) + end;
    }
}

  

 

    也许大家会纳闷，为虾米正则表达式的开头是 ([^lr]) 其实是为了防止反复匹配替换的时候陷入死循环，因为咱们执行完第一次替换后，会出现 ltrim(rtrim(...)) ，没有这个限定条件的话，会一直不停的进行匹配替换。

    另外有个小问题，大家执行的时候会发现第一个 trim 并没有被替换掉，这是因为……（原因简单就不赘述了 ~~ ：）），解决的方法是另外再写个正则表达式，只用来匹配以 trim 打头的情况（唉 ~~ 这是我第一反应想到的方法，够白痴吧 ~~ ）其实只要你对需要处理的 result 字符串在进行匹配替换之前，在字符串的开端处加上一个空格即可搞掂 ~~

    所以方法是无限多，只是偶们还没有想到而已 ~~