我正试图解析正在创建、插入或从存储在表列中的以下sql查询更新的表。
我们称之为表列 query
. 下面是一些示例数据,以演示数据的外观变化。
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
),
以下是查询的格式(我们正在尝试提取 table_name
):
1 some optional statements like drop table
创建 some comments or optional statement like OR REPLACE
表
table_name everything else
#2 some optional statements like drop table
插入 some comments
进入
some comments table_name
#3 some optional statements like drop table
更新 some comments
table_name everything else
2条答案
按热度按时间erhoui1w1#
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:
(以上未经测试,如有任何问题,请在评论中告知我。)
vwoqyblh2#
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:
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。