如何构建字段前置注释去除逻辑并正确分类select/copy类查询？

你的核心需求是清除SQL字符串的所有前置注释后，判断首个词是否匹配select%、copy%或with%select%，匹配则标记为Extract。原代码的问题在于只处理了开头直接出现的注释，没覆盖以下场景：

• 注释前有空白/换行
• 注释后有换行、空白再出现SQL语句
• 多行注释跨换行
• 单行注释后换行再出现SQL语句
• 未闭合的多行注释（这类情况直接视为无有效SQL，不标记）

解决方案：正则批量清除前置注释+模式匹配 #

用正则表达式批量清除所有前置的注释和空白，再对处理后的内容做匹配判断。

正则清除前置注释的逻辑

正则需要匹配并替换字符串开头的以下内容：

• 任意空白字符：包括空格、换行符\n、制表符\t等，用\s*匹配
• 单行注释：--.*(\n|$) 匹配从--到行尾或字符串结束的内容
• 多行注释：/\*[\s\S]*?\*/ 用非贪婪匹配*?处理跨换行的多行注释，[\s\S]匹配任意字符（包括换行）

完整SQL实现代码（以PostgreSQL为例）

CASE
  -- 清除所有前置注释和空白，得到清理后的有效SQL片段
  WHEN REGEXP_REPLACE(
    query_string,
    '^\s*(?:(--.*(\n|$))|(/\*[\s\S]*?\*/))\s*',
    '',
    'g' -- 全局替换，处理多个连续前置注释
  ) ~* '^(select|copy|with.*select)' -- 不区分大小写匹配目标模式
  THEN 'Extract'
  ELSE ''
END AS categorization

代码解释

1. 注释清理部分：
   • ^\s*：匹配字符串开头的任意空白
   • (?:(--.*(\n|$))|(/\*[\s\S]*?\*/))：非捕获组，同时匹配单行注释和多行注释
   • \s*：匹配注释后的任意空白
   • 'g'：全局替换，确保所有前置的注释和空白都被清除
2. 模式匹配部分：
   • ~*：PostgreSQL中不区分大小写的正则匹配运算符
   • ^：严格匹配字符串开头
   • (select|copy|with.*select)：同时匹配三个目标模式，with.*select覆盖with...select的嵌套场景

示例验证 #

用你的输入表格测试，结果与期望输出完全一致：

特殊情况说明：未闭合的多行注释（如/* This is comment）因为无法匹配到*/，清理后仍为空字符串，因此不标记Extract。

内容的提问来源于stack exchange，提问作者Raj