内容目录
sqlparse 是一个 Python 库,是一个用于 Python 的非验证 SQL 解析器, 用于解析 SQL 语句并提供一个简单的 API 来访问解析后的 SQL 结构。可以帮助解析复杂的 SQL 查询,提取信息,或者对 SQL 语句进行一些基本的分析和操作。
一、基本方法:
sqlparse的__init__方法中提供了四个基础方法
1.parse(sql)
用于将一个或多个 SQL 语句的字符串解析成 Python 对象,这些对象构成了一个抽象语法树(AST)
源码
python
def parse(sql, encoding=None):
"""Parse sql and return a list of statements.
:param sql: A string containing one or more SQL statements.
:param encoding: The encoding of the statement (optional).
:returns: A tuple of :class:`~sqlparse.sql.Statement` instances.
"""
return tuple(parsestream(sql, encoding))
按照符号分割sql后返回一个元组, 可以递归获取所有的值
python
import sqlparse
SQL = """CREATE TABLE foo (
id integer primary key comment 'id_comm',
title varchar(200) not null comment 'id_comm',
description text comment 'id_comm');"""
parsed = sqlparse.parse(SQL)[0]
print(parsed)
2.format(sql)
格式化代码, 返回格式化后的代码字符串
源码:
python
def format(sql, encoding=None, **options):
"""Format *sql* according to *options*.
Available options are documented in :ref:`formatting`.
In addition to the formatting options this function accepts the
keyword "encoding" which determines the encoding of the statement.
:returns: The formatted SQL statement as string.
"""
参数说明:
- sql: 需要格式化的 SQL 语句字符串。
- reindent=True: 自动重新缩进 SQL 语句,使代码块对齐。
- keyword_case='upper': 将 SQL 关键字转换为大写。可选值有'lower'、'upper' 或 'capitalize'。
- 其他可选参数还包括 indent_width(用于设置缩进的空格数,默认为 2)、wrap_after(设置换行的字符数限制)等,以进一步定制输出样式。
python
import sqlparse
sql = """select * from tbl where id > 10;"""
format = sqlparse.format(sql, reindent=True, keyword_case='upper')
print(format)
# SELECT *
# FROM tbl
# WHERE id > 10;
3.split()
按照符号分割sql语句, 返回一个sql列表
源码:
python
def split(sql, encoding=None):
"""Split *sql* into single statements.
:param sql: A string containing one or more SQL statements.
:param encoding: The encoding of the statement (optional).
:returns: A list of strings.
"""
python
import sqlparse
sql = """select * from tbl where id > 10;select * from tbl where id > 20;"""
split = sqlparse.split(sql)
print(split)
# ['select * from tbl where id > 10;', 'select * from tbl where id > 20;']
4.parsestream()
类似parse方法, 流式解析sql, 它的设计初衷是为了处理从流式输入(如文件、网络连接或任何可迭代的对象)读取的 SQL 代码,而不是一次性加载整个 SQL 字符串到内存中。这样,在处理大型 SQL 文件或连续的数据流时,可以更有效地管理内存。
源码:
python
def parsestream(stream, encoding=None):
"""Parses sql statements from file-like object.
:param stream: A file-like object.
:param encoding: The encoding of the stream contents (optional).
:returns: A generator of :class:`~sqlparse.sql.Statement` instances.
"""
python
with open('../static/pre_sql.sql', 'r', encoding='utf-8') as file:
for statement in sqlparse.parse(file):
print(statement)
二、Token
源码:
python
class Token:
"""Base class for all other classes in this module.
It represents a single token and has two instance attributes:
``value`` is the unchanged value of the token and ``ttype`` is
the type of the token.
"""
def __init__(self, ttype, value):
value = str(value)
self.value = value
self.ttype = ttype
self.parent = None
self.is_group = False
self.is_keyword = ttype in T.Keyword
self.is_whitespace = self.ttype in T.Whitespace
self.normalized = value.upper() if self.is_keyword else value
sqlparse.sql.Token: 这是最基本的Token类,表示SQL语句中的一个原子部分,如一个单词或者符号。它包含以下属性:
- value: 该Token的实际文本内容,比如一个关键字像SELECT或一个标识符如表名。
- token_type: 表示Token类型的枚举值,比如Keyword、Identifier、Punctuation等。
- position 或 start_pos: 表示Token在原始SQL文本中的起始位置信息,有助于追踪Token的来源。
相关Token子类和概念 - sqlparse.sql.Identifier: 专门表示SQL中的标识符,如表名、列名等。这类Token可能会有额外的属性来表示是否为 quoted identifier(被引号包围的标识符)。
- sqlparse.sql.Keyword: 表示SQL关键字,如SELECT, FROM, WHERE等。
- sqlparse.sql.Punctuation: 表示SQL中的标点符号,如逗号,、分号;等。
- sqlparse.sql.Comment: 用于表示SQL中的注释内容,可以是行内注释(-- ...)或块注释(/* ... */)。
- sqlparse.sql.Comparison: 包含比较操作符(如=, !=, IN, BETWEEN等)以及它们两边的操作数,用于构建更复杂的表达式分析。
- sqlparse.sql.Statement: 表示整个SQL语句,通常是由多个Token和其他Statement对象组成的树状结构,便于递归遍历整个SQL语句的结构。
这里就需要引入sql解析的过程
sql -> 语法分析器(Lexer) -> Token流 -> 语法分析器(Parse) -> 抽象语法树(AST) -> 树结构(Tree Parse)
每个解析结果都会附带一个tokens 的属性,它是一个生成器,用于迭代解析后的Token序列, 包含了一些类型信息, 其中的类型信息有:
python
# Special token types
Text = Token.Text
Whitespace = Text.Whitespace
Newline = Whitespace.Newline
Error = Token.Error
# Text that doesn't belong to this lexer (e.g. HTML in PHP)
Other = Token.Other
# Common token types for source code
Keyword = Token.Keyword
Name = Token.Name
Literal = Token.Literal
String = Literal.String
Number = Literal.Number
Punctuation = Token.Punctuation
Operator = Token.Operator
Comparison = Operator.Comparison
Wildcard = Token.Wildcard
Comment = Token.Comment
Assignment = Token.Assignment
# Generic types for non-source code
Generic = Token.Generic
Command = Generic.Command
# String and some others are not direct children of Token.
# alias them:
Token.Token = Token
Token.String = String
Token.Number = Number
# SQL specific tokens
DML = Keyword.DML
DDL = Keyword.DDL
CTE = Keyword.CTE
Text: 基础文本类型,通常用于表示SQL语句中的普通文本部分。
Whitespace: 空白字符,包括空格、制表符等,用于分隔SQL语句的不同部分。
Newline: 特指换行符,用于标识新的一行开始。
Error: 表示解析过程中遇到的无法识别或错误的文本。
Other: 表示不属于当前解析器(如SQL解析器)预期的文本,例如在嵌入式SQL中可能遇到的其他语言(如HTML在PHP中的情况)。
Keyword: SQL关键字,如 SELECT, FROM, WHERE 等。
DML: 数据操作语言(Data Manipulation Language)关键字,如 INSERT, UPDATE, DELETE, SELECT。
DDL: 数据定义语言(Data Definition Language)关键字,如 CREATE, ALTER, DROP。
CTE: 公共表达式(Common Table Expression)关键字,如 WITH。
Name: 数据库对象名称,如表名、列名等。
Literal: 字面量值,直接写在SQL中的数据值。
String: 字符串字面量,如 'example string'。
Number: 数字字面量,如 42, 3.14。
Punctuation: 标点符号,如逗号、括号等,用于分隔或包围SQL的各个部分。
Operator: 操作符,如 +, -, *, /, = 等。
Comparison: 比较操作符,如 =, !=, <, > 等。
Wildcard: 通配符,如 % 在某些SQL上下文中的使用。
Comment: 注释,SQL中的单行或多行注释。
Assignment: 赋值操作符,如 := 在某些SQL方言中用于赋值。
Generic: 通用类型,适用于非特定源代码的分隔。
Command: 命令,可能特指一些SQL命令或交互式shell命令。
Whitespace:空白字符(如空格、制表符、换行符等)
Keyword:SQL 关键字(如 SELECT、FROM、WHERE 等)
Name:标识符(如表名、列名等)
String.Single:单引号字符串字面量
String.Double:双引号字符串字面量(在某些 SQL 方言中用于标识符)
String.Backtick:反引号字符串字面量(如 MySQL 中的表名和列名)
Identifier: 表示SQL中的标识符,包括但不限于表名、列名、数据库名等。
Compound: 复合Token,可能包含多个子Token,用于更复杂的结构,如 Case 语句、 When 条件等。
Number.Integer:整数
Number.Float:浮点数
Number.Hex:十六进制数
Operator:操作符(如 =、<>、+、- 等)
Punctuation:标点符号(如逗号、分号、括号等)
Comment.Single:单行注释
Comment.Multiline:多行注释
Wildcard:通配符(如 *)
Function:函数名(如 COUNT()、MAX() 等)
DML、DDL、DCL 等:表示数据操作语言、数据定义语言、数据控制语言等的高级分类
三、其他类型
有些属于token的属性
但有些不属于token, 比如Where、IdentifierList、Identifier、Parenthesis、Comment等
python
sql = 'select 1 as id, name, case when name = "" then 3 else 4 end as score from tbl where id > 10 limit 100'
stmts = sqlparse.parse(sql)[0].tokens
for stmt in stmts:
print(f"{type(stmt)}::{stmt.ttype}::",stmt)
# <class 'sqlparse.sql.Token'>::Token.Keyword.DML:: select
# <class 'sqlparse.sql.Token'>::Token.Text.Whitespace::
# <class 'sqlparse.sql.IdentifierList'>::None:: 1 as id, name, case when name = "" then 3 else 4 end as score
# <class 'sqlparse.sql.Token'>::Token.Text.Whitespace::
# <class 'sqlparse.sql.Token'>::Token.Keyword:: from
# <class 'sqlparse.sql.Token'>::Token.Text.Whitespace::
# <class 'sqlparse.sql.Identifier'>::None:: tbl
# <class 'sqlparse.sql.Token'>::Token.Text.Whitespace::
# <class 'sqlparse.sql.Where'>::None:: where id > 10
# <class 'sqlparse.sql.Token'>::Token.Keyword:: limit
# <class 'sqlparse.sql.Token'>::Token.Text.Whitespace::
# <class 'sqlparse.sql.Token'>::Token.Literal.Number.Integer:: 100
当查询有多列或者有多表时, 会将其封装为IdentifierList, 单表时候会被封装为Identifier, 过滤条件被封装为Where, 括号会被封装为Parenthesis, 注释会被封装为Comment
四、案例: 提取所有查询的字段和表名
python
import sqlparse
import re
sql = 'insert into table inser_tbl partition (dt = dt) select 1 as id, name, case when (name = "" or name = "") then 3 else 4 end as score from tbl where id > 10 limit 100'
stmts = sqlparse.parse(sql)[0].tokens
cols = []
tbls = []
froms = []
wheres = []
last_key = ''
for stmt in stmts:
if stmt.value == 'insert' or stmt.value == 'select' or stmt.value == 'from':
last_key = stmt.value
# 剔除空格和换行
if stmt.ttype is sqlparse.tokens.Text.Whitespace:
continue
# 关键字
elif stmt.ttype is sqlparse.tokens.Keyword.DML:
dml = stmt.value
last_key = dml
# 字段
elif isinstance(stmt, sqlparse.sql.IdentifierList):
# 判断上一个是什么类型
if last_key == 'select':
for identifier in stmt.get_identifiers():
col_name = identifier.value
if re.search('as', col_name, re.I):
col_name = re.search('as (.*)', col_name, re.I).group(1).strip()
cols.append(col_name)
elif last_key == 'from':
for identifier in stmt.get_identifiers():
froms.append(identifier.value)
else:
for identifier in stmt.get_identifiers():
tbls.append(identifier.value)
elif isinstance(stmt, sqlparse.sql.Identifier):
if last_key == 'select':
cols.append(stmt.value)
elif last_key == 'from':
froms.append(stmt.value)
else:
tbls.append(stmt.value)
elif isinstance(stmt, sqlparse.sql.Where):
wheres.append(stmt.value)
# 表名
print("cols:", cols)
print("tbls:", tbls)
print("froms:", froms)
print("wheres:", wheres)
# cols: ['id', 'name', 'score']
# tbls: ['inser_tbl']
# froms: ['tbl']
# wheres: ['where id > 10 ']