正则表达式

为了构造合适的正则表达式，让我们从以下相对简单/可读的版本开始： ((CREATE( OR REPLACE)?|DROP) TABLE( IF EXISTS)?|UPDATE|DELETE|INSERT INTO) ([^\s\/*]+) 上面的所有空格都可以替换为“至少一个空格字符”，即。 \s+ . 但我们也需要允许评论。对于一个看起来像 /*anything*/ 正则表达式看起来像 \/\*.*\*\/ （其中注解字符转义为 \ “任何事”都是 .* 在中间）。考虑到可能有多个这样的注解（可选地用空格分隔），我们最终得到 (\s*\/\*.*\*\/\s*?)*\s+ . 把这个插在任何有空间的地方都可以： ((CREATE((\s*\/\*.*\*\/\s*?)*\s+OR(\s*\/\*.*\*\/\s*?)*\s+REPLACE)?|DROP)(\s*\/\*.*\*\/\s*?)*\s+TABLE((\s*\/\*.*\*\/\s*?)*\s+IF(\s*\/\*.*\*\/\s*?)*\s+EXISTS)?|UPDATE|DELETE|INSERT(\s*\/\*.*\*\/\s*?)*\s+INTO)(\s*\/\*.*\*\/\s*?)*\s+([^\s\/*]+) 需要做进一步的改进：括号中的表达式已经用于选择，例如。 (CHOICE1|CHOICE2) . 但是这种语法将它们作为捕获组来包含。实际上，表名只需要一个捕获组，这样就可以通过 ?: ，例如。 (?:CHOICE1|CHOICE2) . 这将提供： (?:(?:CREATE(?:(?:\s*\/\*.*\*\/\s*?)*\s+OR(?:\s*\/\*.*\*\/\s*?)*\s+REPLACE)?|DROP)(?:\s*\/\*.*\*\/\s*?)*\s+TABLE(?:(?:\s*\/\*.*\*\/\s*?)*\s+IF(?:\s*\/\*.*\*\/\s*?)*\s+EXISTS)?|UPDATE|DELETE|INSERT(?:\s*\/\*.*\*\/\s*?)*\s+INTO)(?:\s*\/\*.*\*\/\s*?)*\s+([^\s\/*]+) ###在线正则表达式演示
下面是一个使用示例的演示：regex101 demo

sql语句

用于regexp\u extract的googlebigquery文档表示，它将返回与捕获组匹配的子字符串。所以我希望这样的事情能奏效：

with sample_data as (
  select 1 as id, 'CREATE TABLE tbl1 ...' as query union all
  select 2 as id, 'CREATE OR REPLACE TABLE tbl1 ...' as query union all
  select 3 as id, 'DROP TABLE IF EXISTS tbl1; CREATE TABLE tbl1 ...' as query union all
  select 4 as id, 'INSERT /*some comment*/ INTO tbl2 ...' as query union all
  select 5 as id, 'INSERT /*some comment*/ INTO tbl2 ...' as query union all
  select 6 as id, 'UPDATE tbl3 SET col1 = ...' as query union all
  select 7 as id, '/*some garbage comments*/ UPDATE tbl3 SET col1 = ...' as query union all  
  select 8 as id, 'DELETE tbl4 ...' as query
)

SELECT
  *, REGEXP_EXTRACT(query, r"(?:(?:CREATE(?:(?:\s*\/\*.*\*\/\s*?)*\s+OR(?:\s*\/\*.*\*\/\s*?)*\s+REPLACE)?|DROP)(?:\s*\/\*.*\*\/\s*?)*\s+TABLE(?:(?:\s*\/\*.*\*\/\s*?)*\s+IF(?:\s*\/\*.*\*\/\s*?)*\s+EXISTS)?|UPDATE|DELETE|INSERT(?:\s*\/\*.*\*\/\s*?)*\s+INTO)(?:\s*\/\*.*\*\/\s*?)*\s+([^\s\/*]+)") AS table_name
FROM sample_data;

（以上未经测试，如有任何问题，请在评论中告知我。）

我认为这真的取决于你的数据，但你可能会发现一些成功使用这样的方法：

with data as (
  select 1 as id, 'CREATE TABLE tbl1 ...' as query union all
  select 2 as id, 'INSERT INTO tbl2 ...' as query union all
  select 3 as id, 'UPDATE tbl3 ...' as query union all
  select 4 as id, 'DELETE tbl4 ...' as query
),
splitted as (
  select id, split(query, ' ') as query_parts from data
)
select
  id,
  case 
    when query_parts[safe_offset(0)] in('CREATE', 'INSERT') then query_parts[safe_offset(2)]
    when query_parts[safe_offset(0)] in('UPDATE', 'DELETE') then query_parts[safe_offset(1)]
    else 'Error'
  end as table_name
from splitted

当然，这取决于你的语言的简洁性和语法 query 列。另外，如果您的表名符合 project.table.dataset 你需要进一步分裂。