SQL DDL 解析 JSON 模式文件答案

【问题标题】：SQL DDL to parse JSON schema fileSQL DDL 解析 JSON 模式文件
【发布时间】：2019-04-03 22:00:26
【问题描述】：

是否可以不使用任何工具，仅使用 Scala/Python/shell 脚本将 SQL DDL 语句解析为如下所示的简单 JSON 模式文件？

CREATE TABLE TEMP (
      ID INT,
      NAME STRING)

[
  {
    "tableName": "temp",
    "columns": [
      {
        "columnname": "id",
        "datatype": "int"
      },
      {
        "columnname": "name",
        "datatype": "string"
      }
    ]
  }
]

【问题讨论】：

标签： python-3.x scala shell apache-spark

【解决方案1】：

您可以使用以下逻辑（Scala 代码）从 DDL 创建 JSON 格式的字符串。生成字符串后，将其转换为Dataframe。然后使用 Dataframe's 内置 API 调用 write.json 将这个 Dataframe 作为 JSON 文件保存到 HDFS/Amazon S3 中

import org.apache.spark.sql.types._
import spark.implicits._
val createSql = "CREATE TABLE TEMP (ID INT, NAME STRING)"
var jsonString = """[{"tableName":"""" + createSql.split(" ")(2).toLowerCase + "\"," + "\"columns\":["
createSql.split(s"\\(")(1).split(s"\\)")(0).split(",").map(r => {
jsonString += "{" + "\"columnname\": " + "\"" + r.trim.split(" ")(0).toLowerCase + "\"," + "\"datatype\": " + "\"" + r.trim.split(" ")(1).toLowerCase + "\"},"
})
jsonString = jsonString.patch(jsonString.lastIndexOf(','), "", 1) + "]}]"
val schema: StructType = null
val reader = spark.read
Option(schema).foreach(reader.schema)
val df = reader.json(sc.parallelize(Array(jsonString)))
df.coalesce(1).write.json("<targetlocation>")

如果您有任何问题，请告诉我。

【讨论】：

它非常适合我。如果我在具有多个 DDL 语句的文件中有折痕 sql，并且在同一文件中需要避免在两者之间有一些 cmets。例如：---table 1 createSQL1 --table 2 createSql2 --table createSql3

【解决方案2】：

使用一些匹配，例如此处描述的：How to pattern match using regular expression in Scala? 假设您的初始表达式作为行序列传入，则此代码可能如下所示（请注意，不推荐使用下面使用的 JSONObject，因此将其替换为一些替代）。

object Parser {

    implicit class Regex(sc: StringContext) {
      def r = new util.matching.Regex(sc.parts.mkString, sc.parts.tail.map(_ => "x"): _*)
    }

    def toJson(tablename: String, columns: Seq[(String,String)]): String = {
      val columnList: List[JSONObject] = columns.toStream.map(x => JSONObject(Map("columnname" -> x._1, "datatype" -> x._2))).toList
      JSONArray(List(JSONObject(Map("tableName" -> tablename, "columns" -> JSONArray(columnList))))).toString()
    }

    def parse(lines: Seq[String]): (String, Seq[(String,String)]) = {
      lines.mkString("").toLowerCase match {
        case r"create\s+table\s+(\S+)${tablename}\s+\((.+)${columns}\).*" =>
          val columnWithType: immutable.Seq[(String, String)] = columns.split(",").toStream
            .map(x => x.split("\\s+"))
            .map(x => (x.head.toLowerCase, x(1).toLowerCase))
          (tablename, columnWithType)
        case _ => ("",Seq.empty)
      }
    }
  }

使用您的测试字符串进行测试：

val data: (String, Seq[(String, String)]) = Parser.parse(Seq("CREATE TABLE TEMP (", "ID INT,", "NAME STRING)"))
      println(Parser.toJson(data._1, data._2))

【讨论】：

【解决方案3】：

使用 scala.util.parsing.combinator 包，您可以像这样使用 DDL 定义 Lexer 和 Grammer 解析器，

import scala.util.parsing.combinator._

class JSON extends JavaTokenParsers {
  def value: Parser[Any] = obj | arr | stringLiteral | floatingPointNumber | "null" | "true" | "false"
  def obj: Parser[Any] = "{"~repsep(member, ",")~"}"
  def arr: Parser[Any] = "["~repsep(value, ",")~"]"
  def member: Parser[Any] = stringLiteral~":"~value
}

以上代码将用于将 JSON 字符串解析为 lexel 流以供进一步处理。阅读文档，您将能够定义您的 SQL DDL 解析器。

【讨论】：

【解决方案4】：

我们刚刚在https://github.com/deepstartup/jsonutils 上发布了这个包。可能你会发现它很有用。如果您需要我们更新某些内容，请打开 JIRA。

试试：

    pip install DDLJ
    from DDLj import genddl
    genddl(*param1,param2,*param3,*param4)

Where
param1= JSON Schema File
param2=Database (Default Oracle)
Param3= Glossary file
Param4= DDL output script

【讨论】：