如何从 sql 查询中提取列名

Question

我只从这样的查询中提取了列字段

query_split = [query[query.find("select") + len("select"): query.find("from")]]

我得到一个这样的字符串

 query_split = [' service,count(*) as count,round(sum(mrp),2) as sale ']

我想得到一个像这样的列表

[' service','count(*) as count','round(sum(mrp),2) as sale']

这是因为我想获取列名列表

['service','count','sale']

我尝试过其他方法，例如

for file in reader(query_split):
    print(file)

给我输出

[' service', 'count(*) as count', 'round(sum(mrp)', '2) as sale ']

当我在查询中使用使用 round(sum(mrp),2) 类型操作的测试用例时，以下函数在该点失败

def get_column_name(query):
    """
    Extracts the column name from a sql query
    :param query: str
    :return: column_name
    list: Column names which that query will fetch
    """
    column_name=[]
    query_split = query[query.find("select") + len("select"): query.find("from")]
    for i in query_split.split(','):

        if "as" in i:
            column_name.append(i.split('as')[-1])
        else:
            column_name.append(i.split(' ')[-1])
    return column_name

Answer 1

您的问题是这里使用的 SQL 具有嵌套结构。

最有可能最简洁的解决方案是拥有一个能够理解 MySQL 方言的 SQL 解析器。可以说，使用 ANTLR 最容易做到这一点。如果您有兴趣，可以找到MySQL grammar here 和quick guide here。

要使用正则表达式解决这个问题，我们需要在匹配模式中使用递归正则表达式来考虑平衡括号，如下所示：

[^,]+(\((?>[^()]++|(?1))*+\))[^,]+|([^(),]+(?:,|$))

解释：

• [^,]+(\((?>[^()]++|(?1))*+\))[^,]+ 递归正则表达式，用于匹配 () 对以及中间的所有内容（包括逗号），这些内容由一个匹配除逗号之外的所有内容的否定字符类包围。
• ([^(),]+(?:,|$)) 匹配常规列

Demo

示例代码：

import regex as re
regex = r"[^,]+(\((?>[^()]++|(?1))*+\))[^,]+|([^(),]+(?:,|$))"
test_str = "service,count(*) as count,round(sum(mrp),2) as sale,count(*) as count2,round(sum(mrp),2) as sale2"
matches = re.finditer(regex, test_str, re.MULTILINE)
result = [match.group() for match in matches]

输出：

['service,', 'count(*) as count', 'round(sum(mrp),2) as sale', 'count(*) as count2', 'round(sum(mrp),2) as sale2']

由于我们使用 PCRE 正则表达式功能，您需要安装 Python 的替代 regex 包来运行代码。祝你好运。