我在 Django 网站上工作，我正在尝试使用从遗留数据库转储的数据为 Django 创建 YAML 装置。
我正在使用正则表达式编写一个粗略的 SQL 解析器(我知道，我知道......但我找不到任何可以帮助我快速完成此操作的东西，所以我必须“自己动手” - 除非有更好的建议).
“自己动手”解决方案的一部分是解析 SQL 语句 - 这些语句是自动生成的，因此语句的格式不会改变。
这里有两个示例 INSERT 语句:
INSERT INTO ref_geographic_region (continent_id,name) VALUES(8,'Europe (Western)');
INSERT INTO ref_currency_group (name) VALUES('Major');
我想将 SQL 语句理解为以下模式:
INSERT INTO <table_name> VALUES (one_or_more_alphanums_separated_by_comma);
然后我需要匹配以下值:
- 表名
- one_or_more_alphanums_separated_by_comma
这是我的正则表达式模式。它是匹配的，但分组不是我想要的。
pattern_string = r"INSERT INTO ([a-zA-Z\_]+)\s\(((([a-zA-Z\_]+)(\,)*)+)\)\s+VALUES\(([0-9]*)|([a-zA-Z\(\)']+)(\,)*\;"
我如何修改(和简化)上面的模式，使其只匹配我感兴趣的标记？
请您参考如下方法:
停止尝试使用正则表达式解析 SQL。这大致与使用正则表达式解析 HTML 一样糟糕，因为 SQL 是一种上下文无关的语言，正则表达式无法处理。使用适当的解析模块(如 PyParsing)可以更轻松地完成此操作
from pyparsing import Regex, QuotedString, delimitedList
# Object names and numbers match these regular expression
object_name = Regex('[a-zA-Z_]+')
number = Regex('-?[0-9]+')
# A string is just something with quotes around it - PyParsing has a built in
string = QuotedString("'") | QuotedString('"')
# A term is a number or a string
term = number | string
# The values we want to capture are either delimited lists of expressions we know about...
column_list = (delimitedList(object_name)).setResultsName('columns')
term_list = (delimitedList(term)).setResultsName('terms')
# Or just an expression we know about by itself
table_name = object_name.setResultsName('table')
# And an SQL statement is just all of these pieces joined together with some string between them
sql_stmt = "INSERT INTO " + table_name + "(" + column_list + ") VALUES(" + term_list + ");"
if __name__ == '__main__':
res = sql_stmt.parseString("""INSERT INTO ref_geographic_region (continent_id,name) VALUES(8,'Europe (Western)');""")
print res.table # ref_geographic_region
print list(res.columns) # ['continent_id', 'name']
print list(res.terms) # ['8', 'Europe (Western)']
这是一个快速的半小时稻草人 - 我建议通读它的 docs并正确理解它是如何工作的。特别是，PyParsing 有一些奇怪的空格行为，在您正确删除之前值得了解。
