如何借助正则表达式解析 SQL 查询语句

正则表达式不能可靠解析SQL语法，因其无法处理嵌套、引号、注释等上下文相关结构；但适合轻量预处理，如提取语句片段、清理注释、校验简单格式；应使用专业SQL解析器完成准确语法分析。

直接用正则表达式“解析”SQL查询语句是不可靠的，也不推荐。

SQL 是一种上下文相关、嵌套结构复杂、语法灵活的语言（比如子查询、括号配对、引号嵌套、注释、大小写不敏感、关键字可作标识符等），而正则表达式本质上是正则文法，无法处理嵌套层级、平衡括号或语法上下文。试图用正则完整提取 SELECT 字段、FROM 表名、WHERE 条件或识别嵌套 CASE WHEN 或 (SELECT ...)，极易出错或漏匹配。

但这不意味着正则完全没用——它在轻量级预处理、粗粒度提取、日志过滤或格式校验场景中非常实用。关键在于明确边界：别让它承担语法解析任务，而是做它擅长的事。

✅ 正则适合做的三类事情

• 快速提取关键片段（非精确语法解析）
  比如从日志行中抓取以 SELECT 开头、到第一个分号前的整条语句：

  SELECTs+([^;]+);?

  → 可捕获 SELECT id, name FROM users WHERE status = 1（但无法区分字段和表名）

• 识别并清理常见干扰内容
  去除单行注释、多行注释、多余空格：

  --.*$|/*[sS]*?*/|s+

  （配合 REPLACE 函数，在 MySQL/PostgreSQL 中预处理语句字符串）

• 验证基础格式或字段特征
  检查是否为简单 INSERT INTO table (...) VALUES (...) 结构：

  ^s*INSERTs+INTOs+w+s*([^)]*)s*VALUESs*([^)]*)s*;?s*$

  → 不保证语法正确，但能筛掉明显非插入语句（适合监控或审计初筛）

❌ 正则做不到（也绝不该尝试）的事

• 区分字符串字面量中的 ) 和 SQL 语句真正的右括号
  SELECT * FROM t WHERE name = 'a) b'; —— 正则无法判断 ) 是否在引号内

• 解析嵌套子查询：
  SELECT (SELECT COUNT(*) FROM x WHERE y IN (SELECT z FROM w)) AS cnt FROM t
  → 括号深度、作用域、语义层级远超正则能力

• 正确拆分逗号分隔的 SELECT 列表（尤其含函数、别名、括号）
  SELECT a, MAX(b), c AS "d,e", (x+y)*2 FROM t
  → 单靠 , 分割会错切 "d,e" 或 (x+y)*2

• 处理转义字符、Unicode 标识符、反引号/方括号引用的列名（如 `order` 或 [user name]）

✅ 真正可靠的替代方案

例如用 sqlglot 提取所有表名：

import sqlglotast = sqlglot.parse("SELECT u.name FROM users u JOIN orders o ON u.id = o.user_id")tables = [table.name for table in ast.find_all(sqlglot.exp.Table)]# → ['users', 'orders']

不复杂但容易忽略：正则不是语法分析器，它是文本手术刀——用对地方，效率极高；越界使用，后患无穷。