Python：如何查找多行字符串中的所有匹配项，但没有按照特定的词进行搜索？

Question

我有SQL代码，我想在“插入”关键字后提取表名。

基本上，我想用下面的规则来提取：

1. 包含单词“插入”
2. 其次是字“到”，这是可选的
3. 排除如果有一个“ - “（这是SQL中的单行注释），在插入（可选）关键字之前的任何地方。
4. 如果插入（可选）关键字介于“/ *”和“* /”（它是SQL中的多行注释）之间，则排除。
5. 获取插入之后的下一个字（表名）到（可选）关键字

例子：

import re 

lines = """begin insert into table_1 end 
    begin insert table_2 end 
    select 1 --This is will not insert into table_3 
    begin insert into 
     table_4 
    end 
    /* this is a comment 
    insert into table_5 
    */ 
    insert into table_6 
    """ 

p = re.compile(r'^((?!--).)*\binsert\b\s+(?:into\s*)?.*', flags=re.IGNORECASE | re.MULTILINE) 
for m in re.finditer(p, lines): 
    line = lines[m.start(): m.end()].strip() 

    starts_with_insert = re.findall('insert.*', line, flags=re.IGNORECASE|re.MULTILINE|re.DOTALL) 
    print re.compile('insert\s+(?:into\s+)?', flags=re.IGNORECASE|re.MULTILINE|re.DOTALL).split(' '.join(starts_with_insert))[1].split()[0] 

实际结果：

table_1 
table_2 
table_4 
table_5 
table_6 

预期结果：不应返回table_5因为它介于/ *和*/

table_1 
table_2 
table_4 
table_6 

有没有一个优雅的方式来做到这一点？

在此先感谢。

编辑：感谢您的解决方案。是否可以使用纯粹的正则表达式而不需要从原始文本中剥离线？

我想显示的行号可以从原始字符串中找到表名称。

更新下面的代码：

import re 

lines = """begin insert into table_1 end 
    begin insert table_2 end 
    select 1 --This is will not insert into table_3 
    begin insert into 
     table_4 
    end 
    /* this is a comment 
    insert into table_5 
    */ 
    insert into table_6 
    """ 

p = re.compile(r'^((?!--).)*\binsert\b\s+(?:into\s*)?.*', flags=re.IGNORECASE | re.MULTILINE) 
for m in re.finditer(p, lines): 
    line = lines[m.start(): m.end()].strip() 
    line_no = str(lines.count("\n", 0, m.end()) + 1).zfill(6) 

    table_names = re.findall(r'(?:\binsert\s*(?:into\s*)?)(\S+)', line, flags=re.IGNORECASE|re.MULTILINE|re.DOTALL) 
    print '[line number: ' + line_no + '] ' + '; '.join(table_names) 

使用超前/回顾后，以排除那些/ *和* /但它不是我的生产预期的结果之间的审判。

希望你的帮助。谢谢！

Answer 1

在2个步骤，re.sub()和re.findall()功能：

# removing single line/multiline comments 
stripped_lines = re.sub(r'/\*[\s\S]+\*/\s*|.*--.*(?=\binsert).*\n?', '', lines, re.S | re.I) 

# extracting table names preceded by `insert` statement 
tbl_names = re.findall(r'(?:\binsert\s*(?:into\s*)?)(\S+)', stripped_lines, re.I) 
print(tbl_names) 

输出：

['table_1', 'table_2', 'table_4', 'table_6'] 

Answer 2

import re 
import string 

lines = """begin insert into table_1 end 
    begin insert table_2 end 
    select 1 --This is will not insert into table_3 
    begin insert into 
     table_4 
    end 
    /* this is a comment 
    insert into table_5 
    */ 
    insert into table_6 
    """ 

# remove all /* */ and -- comments 
comments = re.compile('/\*(?:.*\n)+.*\*/|--.*?\n', flags=re.IGNORECASE | re.MULTILINE) 
for comment in comments.findall(lines): 
    lines = string.replace(lines, comment, '') 

fullSet = re.compile('insert\s+(?:into\s+)*(\S+)', flags=re.IGNORECASE | re.MULTILINE) 
print fullSet.findall(lines) 

给

['table_1', 'table_2', 'table_4', 'table_6']