Java正则提取SQL文件中SET语句块的问题求助

我正在解析一个.sql文件，需要匹配两处多行注释形式的SET语句块：

1. 文件开头的SET语句组
2. 文件结尾的SET语句组

但我用的正则表达式 ^\/\*![0-9]{0,10}.+?\s.*\*\/;\n^\s*$\n^-- 无法完整匹配，最多只能获取每个目标块的最后两行，试了很多次都没解决。

预期匹配内容 #

预期匹配1（开头SET块）：

/*!40103 SET @OLD_TIME_ZONE=@@TIME_ZONE */;
/*!40103 SET TIME_ZONE='+00:00' */;
/*!40014 SET @OLD_UNIQUE_CHECKS=@@UNIQUE_CHECKS, UNIQUE_CHECKS=0 */;
/*!40014 SET @OLD_FOREIGN_KEY_CHECKS=@@FOREIGN_KEY_CHECKS, FOREIGN_KEY_CHECKS=0 */;
/*!40101 SET @OLD_SQL_MODE=@@SQL_MODE, SQL_MODE='NO_AUTO_VALUE_ON_ZERO' */;
/*!40111 SET @OLD_SQL_NOTES=@OLD_SQL_NOTES, SQL_NOTES=0 */;

预期匹配2（结尾SET块）：

/*!40103 SET TIME_ZONE=@OLD_TIME_ZONE */;
/*!40101 SET SQL_MODE=@OLD_SQL_MODE */;
/*!40014 SET FOREIGN_KEY_CHECKS=@OLD_FOREIGN_KEY_CHECKS */;
/*!40014 SET UNIQUE_CHECKS=@OLD_UNIQUE_CHECKS */;
/*!40111 SET SQL_NOTES=@OLD_SQL_NOTES */;

待解析的SQL文件内容： #

-- MySQL dump 10.13  Distrib 8.0.32, for Linux (x86_64)
--
-- Host: mysql-0    Database: customdb
-- ------------------------------------------------------
-- Server version   5.7.39-log
/*!40103 SET @OLD_TIME_ZONE=@@TIME_ZONE */;
/*!40103 SET TIME_ZONE='+00:00' */;
/*!40014 SET @OLD_UNIQUE_CHECKS=@@UNIQUE_CHECKS, UNIQUE_CHECKS=0 */;
/*!40014 SET @OLD_FOREIGN_KEY_CHECKS=@@FOREIGN_KEY_CHECKS, FOREIGN_KEY_CHECKS=0 */;
/*!40101 SET @OLD_SQL_MODE=@@SQL_MODE, SQL_MODE='NO_AUTO_VALUE_ON_ZERO' */;
/*!40111 SET @OLD_SQL_NOTES=@OLD_SQL_NOTES, SQL_NOTES=0 */;

--
-- Dumping data for table `custom_company`
--

INSERT  IGNORE INTO `custom_company` VALUES ('TESTCOMPANYGMBH','TESTCOMPANY','Test Company',100000001);

INSERT  IGNORE INTO `version_custom` VALUES ('2022-09-19 04:02:05',NULL,20);
INSERT  IGNORE INTO `version_custom` VALUES ('2022-09-19 04:02:05',NULL,21);
/*!40103 SET TIME_ZONE=@OLD_TIME_ZONE */;

/*!40101 SET SQL_MODE=@OLD_SQL_MODE */;
/*!40014 SET FOREIGN_KEY_CHECKS=@OLD_FOREIGN_KEY_CHECKS */;
/*!40014 SET UNIQUE_CHECKS=@OLD_UNIQUE_CHECKS */;
/*!40111 SET SQL_NOTES=@OLD_SQL_NOTES */;

-- Dump completed on 2023-03-02  3:18:10

问题根源 #

原正则仅匹配单条SET语句加后续空行和注释，未处理连续的多条SET语句，因此只能捕获最后一行。此外需要开启多行模式，让^和$匹配每行的首尾，而非整个字符串的首尾。

正确正则表达式 #

匹配开头SET块：

^\/\*![0-9]{4,10} SET.*?\*\/;\s*(?:\n\/\*![0-9]{4,10} SET.*?\*\/;)*

匹配结尾SET块：

^\/\*![0-9]{4,10} SET.*?\*\/;\s*(?:\n\/\*![0-9]{4,10} SET.*?\*\/;)*(?=\n-- Dump completed)

正则解释 #

• ^\/\*![0-9]{4,10} SET.*?\*\/;：匹配单条带版本注释的SET语句，.*?采用非贪婪匹配避免跨语句捕获
• \s*：匹配语句后的空白字符（含换行）
• (?:\n\/\*![0-9]{4,10} SET.*?\*\/;)*：非捕获组，匹配后续连续的多条SET语句，*表示可匹配0次或多次
• 结尾块的(?=\n-- Dump completed)：正向预查，确保匹配的SET块后紧跟Dump完成的注释，精准定位结尾块

使用说明 #

需确保正则引擎开启多行模式（m flag），例如在Python中使用re.findall(pattern, sql_content, re.M)，或在测试工具中勾选Multiline选项。

内容的提问来源于stack exchange，提问作者user3008410