如何调整正则表达式捕获嵌套结构的definition对应内容？

需求背景 #

要对Log4j输出的JSON日志中"definition"字段对应的嵌套内容做脱敏，目标是准确捕获该字段下的完整JSON结构（不管嵌套层级多少），再对指定字段（比如column_a的description）替换为*** REDACTED ***。

示例输入 #

"definition":{"schema":{"columns":[{"dataType":"INT","name":"column_a","description":"description1"},{"dataType":"INT","name":"column_b","description":"description2"}]}}}, "some other stuff": ["SOME_STUFF"], etc.

期望捕获并处理后的片段 #

{"schema":{"columns":[{"dataType":"INT","name":"column_a","description":"*** REDACTED ***"},{"dataType":"INT","name":"column_b","description":"description2"}]}}}

原正则的问题 #

你当前用的正则(?<=("definition":{))(\.|[^\])*?(?=}})依赖固定的}}作为结束标记，一旦definition内部有多层嵌套的大括号，就会提前终止匹配，没法覆盖完整的嵌套结构。

调整后的正则（支持嵌套匹配） #

因为Log4j基于Java，而Java正则支持递归匹配（平衡组），可以用下面的正则来精准捕获"definition":{之后的完整嵌套内容：

(?<="definition":{)(?:[^{}]|(?R))*}(?=})

正则解释 #

• (?<="definition":{)：定位到"definition":{之后的起始位置，不捕获这段前缀
• (?:[^{}]|(?R))*：核心匹配逻辑——要么匹配非大括号的普通字符，要么递归匹配整个正则表达式（处理嵌套的大括号结构），确保覆盖所有层级的嵌套内容
• }(?=})：匹配外层的闭合大括号，后面跟着的}对应原JSON中definition对象的结尾边界

额外建议 #

如果场景允许，优先用JSON解析库（比如Jackson）处理日志内容，正则处理JSON在复杂场景下（比如字符串含转义字符、异常格式）容易出错。但如果必须在Log4j配置中用正则替换，上面的递归正则就能解决嵌套层级不固定的问题。

内容的提问来源于stack exchange，提问作者user10076743