Python: Wie finden Sie alle Übereinstimmungen in einem mehrzeiligen String, aber nicht von einem bestimmten Wort weiter?

Question

Ich habe SQL-Codes und möchte den Tabellennamen nach dem Schlüsselwort "insert" extrahieren.

Grundsätzlich würde ich mit den folgenden Regeln extrahieren mag:

1. Enthält das Wort „Einfügen“
2. gefolgt von dem Wort „in“, die
3. optional ausschließen, wenn das ein Thema " - "(das ist ein einzeiliger Kommentar in SQL) irgendwo vor dem Einfügen in (optional) Schlüsselwort.
4. Ausschließen, wenn Einfügen in (optional) Schlüsselwort ist zwischen "/ *" und "* /" (was mehrzeiliger Kommentar in SQL ist).
5. Holen Sie sich das nächste Wort (table_name) nach Einsatz in (optional) Stichwort

Beispiel:

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] 

Tatsächliches Ergebnis:

table_1 
table_2 
table_4 
table_5 
table_6 

Erwartetes Ergebnis: table_5 nicht zurückgegeben werden soll da ist es zwischen/* und */

table_1 
table_2 
table_4 
table_6 

Gibt es eine elegante Möglichkeit, dies zu tun?

Vielen Dank im Voraus.

EDIT: Danke für Ihre Lösungen. Ist es möglich, reine Regex ohne Stripping-Zeilen aus dem Originaltext zu verwenden?

Ich möchte die Zeilennummer anzeigen, wo Tabellenname aus der ursprünglichen Zeichenfolge gefunden werden kann.

Aktualisiert Code unten:

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) 

Versuchte Look-Ahead/Lookbehind mit denen zwischen/* auszuschließen und * /, aber es ist nicht mein erwartetes Ergebnis.

Ich würde Ihre Hilfe zu schätzen wissen. Vielen Dank!

Answer 1

in 2 Schritten mit re.sub() und re.findall() Funktionen:

# 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) 

Der Ausgang:

['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) 

gibt

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