python - 使用PLY解析SQL语句

Question

我知道还有其他工具可以解析 SQL 语句，但出于教育目的，我正在推出自己的工具。我现在被语法困住了。如果您能很快发现错误，请告诉我。

SELECT = r'SELECT'
FROM = r'FROM'
COLUMN = TABLE = r'[a-zA-Z]+'
COMMA = r','
STAR = r'\*'
END = r';'
t_ignore = ' ' #ignores spaces

statement : SELECT columns FROM TABLE END

columns : STAR
        | rec_columns

rec_columns : COLUMN
            | rec_columns COMMA COLUMN

当我尝试解析像“SELECT a FROM b;”这样的语句时我在 FROM token 处遇到语法错误...非常感谢任何帮助!

(编辑)代码:

#!/usr/bin/python
import ply.lex as lex
import ply.yacc as yacc

tokens = (
    'SELECT',
    'FROM',
    'WHERE',
    'TABLE',
    'COLUMN',
    'STAR',
    'COMMA',
    'END',
)

t_SELECT    = r'select|SELECT'
t_FROM      = r'from|FROM'
t_WHERE     = r'where|WHERE'
t_TABLE     = r'[a-zA-Z]+'
t_COLUMN    = r'[a-zA-Z]+'
t_STAR      = r'\*'
t_COMMA     = r','
t_END       = r';'

t_ignore    = ' \t'

def t_error(t):
    print 'Illegal character "%s"' % t.value[0]
    t.lexer.skip(1)

lex.lex()

NONE, SELECT, INSERT, DELETE, UPDATE = range(5)
states = ['NONE', 'SELECT', 'INSERT', 'DELETE', 'UPDATE']
current_state = NONE

def p_statement_expr(t):
    'statement : expression'
    print states[current_state], t[1]

def p_expr_select(t):
    'expression : SELECT columns FROM TABLE END'
    global current_state
    current_state = SELECT
    print t[3]


def p_recursive_columns(t):
    '''recursive_columns : recursive_columns COMMA COLUMN'''
    t[0] = ', '.join([t[1], t[3]])

def p_recursive_columns_base(t):
    '''recursive_columns : COLUMN'''
    t[0] = t[1]

def p_columns(t):
    '''columns : STAR
               | recursive_columns''' 
    t[0] = t[1]

def p_error(t):
    print 'Syntax error at "%s"' % t.value if t else 'NULL'
    global current_state
    current_state = NONE

yacc.yacc()


while True:
    try:
        input = raw_input('sql> ')
    except EOFError:
        break
    yacc.parse(input)

Answer 1

我认为您的问题是t_TABLE 和t_COLUMN 的正则表达式也匹配您的保留字(SELECT 和FROM)。换句话说，SELECT a FROM b; 标记为 COLUMN COLUMN COLUMN COLUMN END(或其他一些模棱两可的标记化)，这与您的任何作品都不匹配，因此你得到一个语法错误。

作为快速完整性检查，更改这些正则表达式以完全匹配您输入的内容，如下所示:

t_TABLE = r'b'
t_COLUMN = r'a'

您将看到语法 SELECT a FROM b; 通过，因为正则表达式“a”和“b”与您的保留字不匹配。

还有另一个问题，TABLE 和 COLUMN 的正则表达式也重叠，因此词法分析器也无法对这些标记进行无歧义的标记。

有一个 subtle, but relevant section in the PLY documentation对此。不确定解释这一点的最佳方法，但诀窍是 token 化过程首先发生，因此它不能真正使用生产规则中的上下文来了解它是否遇到了 TABLE token 或 COLUMN token 。您需要将它们归纳为某种 ID 标记，然后在解析过程中将其剔除。

如果我有更多的精力，我会尝试更多地研究您的代码并提供代码中的实际解决方案，但我认为既然您已经表示这是一个学习练习，也许您会满意我指出了正确的方向。