我在文本文件中有 1000 个 SQL 选择查询。例如下面的查询：
select first_name, title, salary
from employees, salaries
where
employees.emp_no = salaries.emp_no
and first_name = 'attila'
and last_name = '1UB4pqakE3'
我想以这种形式将它保存在另一个文件中：
(first_name,title,salary,employees.emp_no,salary.emp_no,last_name)
我的意思是我想处理原始文件的每一行以仅保留属性。我想知道如何在 Python 中做到这一点？
【问题讨论】：
这里使用正则表达式和集合/列表理解来解决您的问题。
首先将文件加载到变量中：
with open('some_query.sql') as file:
txt = file.read()
然后标记内容，删除文本值（以'开头）和SQL关键字：
import re
# Tokenize words
regex = re.compile("([\w._']+)")
tokens = regex.findall(txt)
# Set Comprehension removing text fields:
tokens = { token for token in tokens if not(token.startswith("'")) }
# SQL Keywords:
keywords = {'select', 'from', 'where', 'limit', 'and', 'or', 'not'}
# Identifiers:
identifiers = tokens - keywords
对于您的试用样本，它会返回：
{'employees',
'employees.emp_no',
'first_name',
'last_name',
'salaries',
'salaries.emp_no',
'salary',
'title'}
这是没有重复的列标识符的排序列表。
如果出现的顺序真的很重要并且允许重复（如您的输出所示），那么只需将上面的代码更改为效率较低的代码：
# Set Comprehension removing text fields:
tokens = [ token for token in tokens if not(token.startswith("'")) ]
# SQL Keywords
keywords = {'select', 'from', 'where', 'limit', 'and', 'or', 'not'}
# Identifiers:
identifiers = tuple([token for token in tokens if not(token in keywords)])
这导致：
('first_name',
'title',
'salary',
'employees',
'salaries',
'employees.emp_no',
'salaries.emp_no',
'first_name',
'last_name')
最后，将set写回另一个文件：
with open('some_query.key', 'w') as file:
file.write("\n".join(tokens))
此时只需将此代码封装在一个函数中并参数化文件名，以便将其应用于所有文件。
注意：此解决方案还捕获表标识符。
【讨论】：