使用正则从SQL国家插入语句提取指定字段的匹配问题

现有存储国家数据的SQL插入脚本，需要仅保留指定字段生成新的SQL语句，无需保留原语句全量字段。使用正则做数据清洗时存在匹配缺陷：当下一条记录与上一条记录在同一行拼接时，正则无法成功匹配后续记录。

原使用的正则规则：

(\(([0-9]),(['a-zA-Z ]*),(['a-zA-Z ]*)).*

存在3个核心问题：

• 末尾使用贪婪匹配符.*，会直接吞掉当前行后续所有内容，导致同行拼接的其他记录无法进入匹配流程
• 字段匹配规则仅支持英文字母和空格，无法兼容国家名称中带特殊字符、重音字符的场景
• 冗余捕获了不需要的自增ID字段，输出结果不符合预期

正则匹配规则 #

替换为以下正则，同时开启全局匹配(g) 标志：

\(\d+,\s*('[^']+',\s*'[^']+')[^)]*\),?

规则逻辑说明：

• 跳过每条记录开头的左括号、数字ID、逗号和空白字符，不做捕获
• 捕获组1精准提取需要保留的两个单引号包裹字段：国家名称、三位国家代码，兼容字段内的空格、特殊字符
• 匹配当前记录剩余内容时，仅匹配到当前记录的闭合右括号即停止，不会越界吞掉同行拼接的后续记录
• 兼容记录末尾可选的逗号分隔符

替换内容 #

保持替换内容如下即可：

($1, 1, NOW(), NOW()),

无论记录是换行分隔还是同行拼接，都可以准确提取目标字段，输出结果完全符合预期：

('Afghanistan','AFG', 1, NOW(), NOW()),
('Aland Islands','ALA', 1, NOW(), NOW()),
('Albania','ALB', 1, NOW(), NOW()),
('Algeria','DZA', 1, NOW(), NOW()),
('American Samoa','ASM', 1, NOW(), NOW()),

如果数据中存在带转义单引号的字段值（比如'Cote d\'Ivoire'），可以将正则调整为以下版本，兼容转义场景：

\(\d+,\s*('(?:[^'\\]|\\.)*',\s*'(?:[^'\\]|\\.)*')[^)]*\),?

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