如何修正正则表达式以正确匹配带OPTIONS的CREATE TABLE语句

我有如下CREATE TABLE语句：

CREATE TABLE db.my_table (
 ts TIMESTAMP OPTIONS (description = "This is 'a' (timestamp)"),
 id INT64 OPTIONS (description = 'id'),
 value STRING
) PARTITION BY ts, id
  CLUSTER BY id
  OPTIONS (description = 'test_(table)');

需要提取以下字段：db、表名、列定义（即db.my_table后左括号到PARTITION BY前右括号之间的所有内容），以及PARTITION BY的字段、CLUSTER BY的字段和最终的description文本。其中PARTITION BY、CLUSTER BY和OPTIONS子句均为可选，可出现或缺失。

我使用了如下正则表达式：

CREATE TABLE (\w+).(\w+) \(((?s).*)\)(?:\s+PARTITION BY ([^\n\r]+))?(?:\s+CLUSTER BY ([^\n\r]+))?(?:\s+OPTIONS \(description = ((?<Qt>'''|'|")(.*?)\k<Qt>))?;

当没有OPTIONS子句时，正则能正常匹配，比如以下输入：

CREATE TABLE db.my_table (
 ts TIMESTAMP OPTIONS (description = "This is 'a' (timestamp)"),
 id INT64 OPTIONS (description = 'id'),
 value STRING
) PARTITION BY ts, id
  CLUSTER BY id;

但存在OPTIONS子句时，正则会错误捕获到OPTIONS的最后一个)，导致列定义提取错误，求修正方法。

原正则的问题在于((?s).*)是贪婪匹配，会从列定义的左括号开始，一直匹配到整个语句的最后一个右括号，包含了OPTIONS子句里的括号。解决核心是用平衡括号匹配列定义，确保只匹配到列定义对应的闭合右括号。

修正后的正则：

CREATE TABLE (\w+)\.(\w+) \(((?s)(?:[^()]|\((?<depth>)|\)(?<-depth>))*(?(depth)(?!)))\)(?:\s+PARTITION BY ([^\n\r;]+))?(?:\s+CLUSTER BY ([^\n\r;]+))?(?:\s+OPTIONS \(description = ((?<Qt>'''|'|")(.*?)\k<Qt>)\))?;

关键修改点 #

• 平衡括号匹配列定义：(?:[^()]|\((?<depth>)|\)(?<-depth>))*(?(depth)(?!))会跟踪括号嵌套深度，只有当括号完全平衡时才停止匹配，避免吃掉后面子句的括号
• 限制PARTITION/CLUSTER BY的匹配范围：将[^\n\r]+改为[^\n\r;]+，防止匹配到后续的OPTIONS子句或分号
• 完善OPTIONS子句的闭合：给OPTIONS部分的匹配补充了闭合的\)，确保整个子句被正确识别

效果验证 #

• 带OPTIONS的语句：能准确提取列定义（到第一个平衡右括号），同时正确捕获PARTITION BY、CLUSTER BY的字段，以及OPTIONS中的description文本
• 不带OPTIONS的语句：依然能正常匹配所有目标字段

内容的提问来源于stack exchange，提问作者sanyi14ka