一直听说过正则表达式存在贪婪和非贪婪模式,大概就是最少匹配和最多匹配的区别,看到的例子大多是下面这个例子
源字符串: aabab
贪婪模式串: a.b
非贪婪模式串: a.?b
贪婪模式结果: aabab
非贪婪模式结果: aab
上面这个例子虽然简单,但是感觉代表性不强,实现今天在解析postgres 逻辑复制的输入时, 刚好碰到一个例子,特来记录下:
输出如下:
table public.t_02: UPDATE: id[integer]:1 name[text]:'name[text]:' create_date[date]:'2020-11-01' bbb[bytea]:null
在通过split之后, 得到待处理的字符串,。
源字符串:name[text]:'name[text]:'
其中name是字段名,text是字符类型, 'name[text]:'是字段的值,现在要通过正则表达式来提取字段名,类型以及字段值。
[]中包含的是类型, :后面的是字段值,因此很自然的想到这个模式串:
^(.*)\[(.*)\]:(.*)$
代码如下:
parttern = `^(.*)\[(.*)\]:(.*)$`
reg = regexp.MustCompile(parttern)
result = reg.FindStringSubmatch(v)
col := Column{
Name: result[1],
Type: result[2],
Value: result[3],
}
匹配结果分为三组,
1. name[text]:'name
2. text
3. '
完全不是我想要的结果 -_-!!!
出现问题的原因是值里面也出现name[type]:value的模式,所以刚好踩到了贪婪模式的坑。
这里其实golang给了一个迷惑性的说法, regexp.MustCompile是最左、最短匹配, 而regexp.MustCompilePOSIX是最左、最长匹配, 因此,我还以为MustCompile已经是非贪婪匹配了。不过好在golang提供了匹配标志(?U)来表示非贪婪匹配,修改之后的代码如下:
parttern = `^(?U)(.*)\[(.*)\]:(.*)$` // (?U)非贪婪模式
reg = regexp.MustCompile(parttern)
result = reg.FindStringSubmatch(v)
col := Column{
Name: result[1],
Type: result[2],
Value: result[3],
}
匹配结果:
1. name
2. text
3. 'name[text]:'