Question

我有SQL代码，我想在“insert”关键字后提取表名。

基本上，我想使用以下规则进行提取：

包含“插入”一词
后跟单词“into”这是可选的
如果在插入（可选）关键字之前的任何位置都有“ - ”（这是SQL中的单行注释），则排除。
如果插入（可选）关键字位于“/ *”和“* /”之间（这是SQL中的多行注释），则排除。
在插入（可选）关键字

示例：

import re

lines = """begin insert into table_1 end
    begin insert table_2 end   
    select 1 --This is will not insert into table_3
    begin insert into
        table_4
    end
    /* this is a comment
    insert into table_5
    */
    insert into table_6
    """

p = re.compile( r'^((?!--).)*\binsert\b\s+(?:into\s*)?.*', flags=re.IGNORECASE | re.MULTILINE)
for m in re.finditer( p, lines ):
    line = lines[m.start(): m.end()].strip()

    starts_with_insert = re.findall('insert.*', line, flags=re.IGNORECASE|re.MULTILINE|re.DOTALL)
    print re.compile('insert\s+(?:into\s+)?', flags=re.IGNORECASE|re.MULTILINE|re.DOTALL).split(' '.join(starts_with_insert))[1].split()[0]

实际结果：

table_1
table_2
table_4
table_5
table_6

预期结果：不应返回table_5，因为它介于/ *和* /

table_1
table_2
table_4
table_6

有优雅的方法吗？

提前致谢。

编辑：感谢您的解决方案。是否可以使用纯正则表达式而不从原始文本中删除线条？

我想显示可以从原始字符串中找到表名的行号。

以下更新的代码：

import re

lines = """begin insert into table_1 end
    begin insert table_2 end   
    select 1 --This is will not insert into table_3
    begin insert into
        table_4
    end
    /* this is a comment
    insert into table_5
    */
    insert into table_6
    """

p = re.compile( r'^((?!--).)*\binsert\b\s+(?:into\s*)?.*', flags=re.IGNORECASE | re.MULTILINE)
for m in re.finditer( p, lines ):
    line = lines[m.start(): m.end()].strip()
    line_no = str(lines.count("\n", 0, m.end()) + 1).zfill(6)

    table_names = re.findall(r'(?:\binsert\s*(?:into\s*)?)(\S+)', line, flags=re.IGNORECASE|re.MULTILINE|re.DOTALL)
    print '[line number: ' + line_no + '] ' + '; '.join(table_names)

尝试使用lookahead / lookbehind来排除/ *和* /之间的那些但是它没有产生我预期的结果。

非常感谢您的帮助。谢谢！

Answer 1

使用re.sub()和re.findall()函数的两个步骤：

# removing single line/multiline comments
stripped_lines = re.sub(r'/\*[\s\S]+\*/\s*|.*--.*(?=\binsert).*\n?', '', lines, re.S | re.I)

# extracting table names preceded by `insert` statement 
tbl_names = re.findall(r'(?:\binsert\s*(?:into\s*)?)(\S+)', stripped_lines, re.I)
print(tbl_names)

输出：

['table_1', 'table_2', 'table_4', 'table_6']

Answer 2

import re
import string

lines = """begin insert into table_1 end
    begin insert table_2 end
    select 1 --This is will not insert into table_3
    begin insert into
        table_4
    end
    /* this is a comment
    insert into table_5
    */
    insert into table_6
    """

# remove all /* */ and -- comments
comments = re.compile('/\*(?:.*\n)+.*\*/|--.*?\n', flags=re.IGNORECASE | re.MULTILINE)
for comment in comments.findall(lines):
    lines = string.replace(lines, comment, '')

fullSet = re.compile('insert\s+(?:into\s+)*(\S+)', flags=re.IGNORECASE | re.MULTILINE)
print fullSet.findall(lines)

给出

['table_1', 'table_2', 'table_4', 'table_6']

Python：如何在多行字符串中查找所有匹配但不按特定单词继续？

2 个答案: