关于正则

这两天做sqlserver数据库迁移到Oracle的工作，由于top在oracle中不能用，为了省事，选择用正则去替换。

正则这个东西，不用就忘，好忧桑，搞了了n久最后整出了这么个玩意

1
([^\<\/]select\s*)top\s*(\$\{\w{4}\})([\s\S]*?from[\s\S]*?where)
$1$3 ROWNUM \<\= $2 AND


2
([^\<\/]select\s*)top\s*(\d+?\b)([\s\S]*?from[\s\S]*?where)
$1$3 ROWNUM \<\= $2 AND

3
([^\<\/]select\s*)top\s*(\(\#\{.*?\}\))([\s\S]*?from[\s\S]*?where)
$1$3 ROWNUM \<\= $2 AND


组合
([^\<\/]select\s*)top\s*(\$\{\w{4}\}|\d+?\b|\(\#\{.*?\}\))(?![\s\S]*?select)[\s\S]*?from(?![\s\S]*?select)[\s\S]*?where


([^\<\/]select\s*)top\s*(\$\{\w{4}\}|\d+?\b|\(\#\{.*?\}\))[\s\S]*?(?=where)



最终
([^\<\/]select\s*)top\s*(\$\{\w{4}\}|\d+?\b|\(\#\{.*?\}\))((?!select)[\s\S])*?from((?!select)[\s\S])*?where

基础语法就不说了，复制粘贴一下，不熟的写一下：

\b 这个是匹配单词边界，感觉比较实用

. 英文的点，匹配除换行符以外的任意字符，这个除换行符需要注意一下，一般在大文本匹配中都有换行的，用.*?这种就不灵了

匹配换行符：一般用这种方式  [\s\S] ,这样就可以匹配到所有的字符包括换行。

*  重复零次或多次  + 重复一次或多次，这个次数需要注意一下

？ 这个比较重要 加问号就是非贪婪的（最小需求），否则就最大匹配了

分组：

这个比较实用，也可用于调试，一句换概括，就是用（）保卫起来就是一组

在替换中可以用$0$1$2。。。的方式吧组的值取出来

注意一点：$0指的是整个字符串的匹配

关于匹配的顺序：

正则匹配夹贪婪后并不是双向的最小匹配，只是从做到右是最小的

例如：a.*?b   匹配aabcb 结果是aab而不是ab

正则的匹配顺序是从左至右的

如何双向最小匹配呢？？ 我就是在这个上面饶了好久好久，其实现在也不是搞的特别明白。

关于这个先要补充点关于零宽断言的知识。

下面是复制粘贴：

"(exp)"    匹配exp,并捕获文本到自动命名的组里 

"(?<name>exp)"   匹配exp,并捕获文本到名称为name的组里

"(?:exp)"  匹配exp,不捕获匹配的文本，也不给此分组分配组号

上面三个不重要，关键是下面四个：

以下为零宽断言

"(?=exp)"  匹配exp前面的位置

　　如 "How are you doing" 正则"(?<txt>.+(?=ing))" 这里取ing前所有的字符，并定义了一个捕获分组名字为 "txt" 而"txt"这个组里的值为"How are you do";（重点理解什么是位置：）

"(?<=exp)"  匹配exp后面的位置

　　如 "How are you doing" 正则"(?<txt>(?<=How).+)" 这里取"How"之后所有的字符，并定义了一个捕获分组名字为 "txt" 而"txt"这个组里的值为" are you doing";

难点就是下面两个，简直变态：

"(?!exp)"  匹配后面跟的不是exp的位置

　　如 "123abc" 正则 "\d{3}(?!\d)"匹配3位数字后非数字的结果

"(?<!exp)"  匹配前面不是exp的位置

　　如 "abc123 " 正则 "(?<![0-9])123" 匹配"123"前面是非数字的结果也可写成"(?!<\d)123"

理解一下这个："(?!exp)"  匹配后面跟的不是exp的位置

A（？！B） ，也就是说A后面紧跟的就不能是B了，否则A就不符合条件 其实直接用的话有一个问题

例如：abcfgfhadsssfh    a(.*?)(?!c)f

这个匹配执行：首先匹配到a，（.*?）最小可以是0，所有先从0开始，a(.*?)匹配到a，a(.*?)(?!c)由于a的后面不是c即a(.*?)(?!c)匹配到a，接着往下走，

                   a的后面不是f，匹配不成功，接着（.*?）取1，即a(.*?)匹配到ab，由于ab后面是c不符合，（.*?）取2即abc，abc后面不是c，a(.*?)(?!c)

 匹配到abc，最后一步a(.*?)(?!c)f匹配到abcf。

跟预计的af之间不含c的结果不太一样吧。。。还是上面的字符串，如何实现a开头f结尾，中间不含c呢？     a((?!c).)+?f

在这我已经傻傻分不清楚了：头疼，明天接着写！

第二天醒来洗个澡果然神清气爽，接着来拔：

换个思路，首先搞明白表达式a((?!c).)+?f中((?!c).)表示的含义，这部分表示匹配不包含c字符位置后的一个字符，所以，((?!c).)+?即表示不包含c字符位置后的一个字符有一个或者多个（贪心）。再回到匹配过程，首先匹配到a，然后(?!c)匹配到ab之间的位置，即((?!c).)匹配到b（((?!c).)后面是+，从1开始），此时a((?!c).)+?匹配到了ab，往下走，字符串中ab后面是c，不符合要求。接着+号起作用，匹配2个((?!c).)，第一个((?!c).)匹配的是b，从b开始匹配bc之间的位置不符合要求，直接结束第一个a的匹配，找寻下一个a，依次类推。

难点就是这玩意((?!c).)，这个就是表示匹配后面不是c的位置的一个字符，可以假设这个是一个字符设为b，那么ab+？f，匹配到的只能是abbbbb。。f这种形式，af中间肯定都是b（一个或多个），所以a((?!c).)+?f匹配到的肯定是af中间包括一个或多个不包含c字符的位置后的一个字符。这样是不是清楚一点点。。

差不多就这么多了。

还有一点要注意的是空格，匹配时你不会清楚文本中他人写了几个空格的，想要全匹配，最好用\s*或者\s+这种方式。

长路漫漫啊！