如何用正则提取Rails迁移文件中的add/remove_index命令？

问题场景 #

需要从Rails迁移文件中提取指定表的add_index/remove_index命令并转为数组，单行命令场景下运行正常，但遇到多行书写的命令时，正则会将多个命令合并为一个字符串，无法正确拆分。

示例迁移文件：

class AddMissingUniqueIndices < ActiveRecord::Migration
  def self.up
    add_index :tags, :name, unique: true

    remove_index :taggings, :tag_id
    remove_index :taggings, [:taggable_id, :taggable_type, :context]
    add_index :taggings,
              [:tag_id, :taggable_id, :taggable_type, :context, :tagger_id, :tagger_type],
              unique: true, name: 'taggings_idx'
  end

  def self.down
    remove_index :tags, :name

    remove_index :taggings, name: 'taggings_idx'
    add_index :taggings, :tag_id
    add_index :taggings, [:taggable_id, :taggable_type, :context]
  end
end

当前错误代码及输出：

migration_content = 'migration file in txt'
@table_name = 'taggings'
regex_pattern = /(add|remove)_index\s+:#{@table_name}.*\w+:\s+?\w+/m
columns_to_process = migration_content.to_enum(:scan, regex_pattern).map { Regexp.last_match.to_s.squish }
puts columns_to_process
# => ["remove_index :taggings, :tag_id remove_index :taggings, [:taggable_id, :taggable_type, :context] add_index :taggings, [:tag_id, :taggable_id, :taggable_type, :context, :tagger_id, :tagger_type], unique: true"]

解决方案 #

核心思路 #

1. 先提取self.up（或change）代码块，缩小匹配范围；
2. 使用非贪婪匹配并明确命令结束边界，避免跨命令匹配；
3. 准确匹配迁移命令的各种参数格式（数组、符号、字符串、键值对等）。

完整代码示例 #

migration_content = <<~MIGRATION
class AddMissingUniqueIndices < ActiveRecord::Migration
  def self.up
    add_index :tags, :name, unique: true

    remove_index :taggings, :tag_id
    remove_index :taggings, [:taggable_id, :taggable_type, :context]
    add_index :taggings,
              [:tag_id, :taggable_id, :taggable_type, :context, :tagger_id, :tagger_type],
              unique: true, name: 'taggings_idx'
  end

  def self.down
    remove_index :tags, :name

    remove_index :taggings, name: 'taggings_idx'
    add_index :taggings, :tag_id
    add_index :taggings, [:taggable_id, :taggable_type, :context]
  end
end
MIGRATION

# 提取self.up代码块，缩小匹配范围
up_block = migration_content.match(/def self.up\s+(.*?)\s+end/m)[1]

@table_name = 'taggings'
# 修正后的正则：匹配单个命令，明确结束边界
regex_pattern = /(add|remove)_index\s+:#{@table_name}(?:\s*,\s*(?:\[[^\]]+\]|:\w+|'.*?'|".*?"|\w+:\s*(?:\[[^\]]+\]|'.*?'|".*?"|\w+)))*?(?=\s*(?:(add|remove)_index|end|\z))/m

# 提取命令并格式化（去除多余空白）
columns_to_process = up_block.scan(regex_pattern).map do |match|
  (match[0] + $').split(/(?=(add|remove)_index)/)[0].squish
end

# 输出结果
p columns_to_process

输出结果 #

["remove_index :taggings, :tag_id", "remove_index :taggings, [:taggable_id, :taggable_type, :context]", "add_index :taggings, [:tag_id, :taggable_id, :taggable_type, :context, :tagger_id, :tagger_type], unique: true, name: 'taggings_idx'"]

正则说明 #

• (add|remove)_index\s+:#{@table_name}：匹配命令开头及指定表名；
• (?:\s*,\s*(?:\[[^\]]+\]|:\w+|'.*?'|".*?"|\w+:\s*(?:\[[^\]]+\]|'.*?'|".*?"|\w+)))*?：非贪婪匹配所有参数，支持数组、符号、字符串、键值对等格式；
• (?=\s*(?:(add|remove)_index|end|\z))：正向预查命令结束边界，确保匹配到下一个命令、代码块结束或文本结尾时停止。

为什么原正则失效 #

原正则使用了贪婪的.*匹配，且未明确命令结束边界，导致会从第一个命令开始匹配到最后一个符合\w+:\s+?\w+的位置，直接将多个命令合并成了一个字符串。修正后的正则通过非贪婪匹配和边界限制，精准拆分每个独立命令。

内容的提问来源于stack exchange，提问作者dfop02