如何在 SQL 脚本中提取表名？答案

【问题标题】：How to extract tables names in a SQL script?如何在 SQL 脚本中提取表名？
【发布时间】：2018-09-21 05:16:49
【问题描述】：

假设有一个sql脚本：

select *
from (
  select col1 from test.test_a join test.test_a1 on a.col1 = a1.col1) a
left join test.test_b b 
on a.col1 = b.col2
left join
    test.test_c c
on b.col2  = c.col3
left jon
   (select 
       col4 
    from
       test.test_d) d
on c.col3  = d.col4

我正在阅读 this question 并尝试使用 python 在上面的脚本中提取“from”或“join”之后的所有表名。困难是我正在逐行处理脚本，但表名和关键字可能NOT在同一行。

那么如何从脚本中提取这样的表名呢？任何建议表示赞赏。

【问题讨论】：

它和python有什么关系？

标签： python parsing

【解决方案1】：

如果你想使用核心python：

txt = """
select *
from (
  select col1 from test.test_a join test.test_a1 on a.col1 = a1.col1) a
left join test.test_b b 
on a.col1 = b.col2
left join
    test.test_c c
on b.col2  = c.col3
left jon
   (select 
       col4 
    from
       test.test_d) d
on c.col3  = d.col4"""

replace_list = ['\n', '(', ')', '*', '=']
for i in replace_list:
    txt = txt.replace(i, ' ')
txt = txt.split()
res = []
for i in range(1, len(txt)):
    if txt[i-1] in ['from', 'join'] and txt[i] != 'select': 
        res.append(txt[i])
print(res)

【讨论】：

这病了……哈哈。我知道我们不应该发表赞美，但哇，这很简单。现在我要处理一些大的 SQL 文件，所以我们会看看它是如何提高性能的，但是哇！这么简单……

【解决方案2】：

只需将所有多个空格序列（包括换行符）转换为一个空格，就可以得到一行，然后 cat 使用正则表达式查找表名。

import re
sql = """select *
from (
  select col1 from test.test_a join test.test_a1 on a.col1 = a1.col1) a
left join test.test_b b 
on a.col1 = b.col2
left join
    test.test_c c
on b.col2  = c.col3
left join
   (select 
       col4 
    from
       test.test_d) d
on c.col3  = d.col4"""
sql_line = re.sub('\s+', ' ', sql)
tbl_re = re.compile(r'(?:\b(?:from)|(?:join)\b\s+)(\w+)\b')
tablenames = tbl_re.findall(sql_line)
print(tablenames)

请注意，表名提取正则表达式已简化，仅用作示例（您必须考虑可能的引用等）。

【讨论】：

【解决方案3】：

这是对@r.user.05apr 答案的快速改进。结合https://stackoverflow.com/a/46177004/82961中的一些位

import re

txt = """
select *
from (
  select col1 from  test.test_a join test.test_a1 on a.col1 = a1.col1) a
left join test.test_b b 
on a.col1 = b.col2
left join
    test.test_c c -- from xxx
on b.col2  = c.col3 /* join xxxxx */
left jon
   (select 
       col4 
    from
       test.test_d) d
on c.col3  = d.col4"""

def get_tables(sql_str):
    # remove the /* */ comments
    sql_str = re.sub(r"/\*[^*]*\*+(?:[^*/][^*]*\*+)*/", "", sql_str)

    # remove whole line -- and # comments
    lines = [line for line in sql_str.splitlines() if not re.match("^\s*(--|#)", line)]

    # remove trailing -- and # comments
    sql_str = " ".join([re.split("--|#", line)[0] for line in lines])

    replace_list = ['\n', '(', ')', '*', '=']
    for i in replace_list:
        sql_str = sql_str.replace(i, ' ')
    sql_str = sql_str.split()
    res = []
    for i in range(1, len(sql_str)):
        if sql_str[i-1] in ['from', 'join'] and sql_str[i] != 'select': 
            res.append(sql_str[i])
    print(res)
    
get_tables(txt)

【讨论】：