如何用Ruby实现SphinxSearch查询语法与布尔搜索字符串的互转

针对你提出的转换需求和500检索词以内的使用场景，分词+轻量状态机是兼顾性能、鲁棒性、可维护性和双向转换支持的最高效方案，纯正则、简单替换、递归解析都不如这个方案适配性好。 #

其他方案的劣势 #

• 纯正则/简单替换：仅能处理简单的无嵌套、无特殊边界的查询，只要出现多组括号嵌套、引号内包含特殊字符的场景，正则匹配规则会变得极其复杂难维护，且很容易出现替换边界错误，比如误把引号内的空格、|两边的空格做了错误处理，后续要调整规则或者做反向转换基本要全量重写。
• 递归下降语法解析：对于500词的场景性能够用，但实现成本过高，你的需求涉及的语法规则非常简单，不需要完整的AST解析能力，属于过度设计。

具体实现流程 #

正向转换（Sphinx查询 -> 通用布尔搜索） #

1. 分词处理（时间复杂度O(n)）

遍历整个输入字符串，全程维护「是否处于引号包裹范围内」的状态，按规则拆分Token：

• 遇到"直接切换引号状态，引号内的所有内容不做拆分，整体作为单个Token输出
• 非引号状态下：
  • (、)、|三个特殊符号各作为单个独立Token
  • 连续的非特殊字符（非空格、非括号、非|）作为单个单词Token
  • 空格直接丢弃，不生成Token
    以示例1输入为例，分词后得到的Token列表为：

['(', 'A', '|', 'B', ')', '"C D"', '(', 'E', '|', '"F G"', '|', '"H I J"', ')', '(', '"K L"', '(', '"M N"', '|', '"O P"', ')', ')', 'Q', 'R']

2. Token遍历生成结果

维护上一个Token的类型，判断是否需要插入AND：

• 上一个Token为「单词、引号字符串、右括号)」，且当前Token为「单词、引号字符串、左括号(」时，先插入AND再插入当前Token
• 遇到|直接替换为OR
• 其余Token直接保留即可

反向转换（通用布尔搜索 -> Sphinx查询） #

逻辑完全对称，实现成本极低：

1. 分词时将AND、OR作为独立Token，引号内容依然整体拆分
2. 遍历Token时直接删除所有AND，将OR替换为|即可

性能表现 #

500个检索词的查询单次处理耗时不超过1ms，完全满足日常使用需求，且所有规则独立可配置，调整转换逻辑不需要动核心流程。

内容的提问来源于stack exchange，提问作者user1320651