Python解析SQL并查找关系

Question

我有一个很大的 SQL 查询列表，全部都是字符串，它们是为 Presto 编写的，有点适合 MySQL 的格式。

我希望能够梳理出一些查询中所写的表关系。

让我们从简单的事情开始:

SELECT e.object_id, count(*)
FROM schema_name.elements AS e
       JOIN schema_name2.quotes AS q ON q.id = e.object_id
WHERE e.object_type = 'something' 
GROUP BY e.object_id, q.query
ORDER BY 2 desc;

虽然有别名，但可以清楚地看到事物在何处连接在一起 - 因此需要扫描并找到别名 - 这很好，因为使用了关键字“AS”。

所以我想为查询返回一个关系列表，每个关系看起来像这个字典:

dict = {'SourceSchema': 'schema_name',
'SourceTable': "elements",
'SourceColumn': "object_id",
'TargetSchema': "schema_name2",
'TargetTable': "quotes",
'TargetColumn': "id"}

我可以想象这样做很容易，但事情变得更加复杂:

SELECT e.object_id, count(*)
FROM schema_name.elements e
        LEFT JOIN schema_name2.quotes q ON q.id = cast(coalesce(nullif(e.object_id,''),'0') as bigint)
WHERE e.object_type = 'something' 
GROUP BY e.object_id, q.query
ORDER BY 2 desc;

3个注意事项

• 缺少“AS”保留字 - 可能更难获得
• 加入时，需要很多东西来一起解析两个表
• 这不是一个简单的“JOIN”，它是一个左连接

我想知道是否有某种形式的 Python SQL 解析库可以让我梳理出大约 4000 个查询中的关系？如果没有，那我怎么能有效地做到这一点？我猜我可能需要扫描查询、查找联接、查找别名，然后查看它们是如何联接的，同时考虑一堆需要丢弃的停用词。

Answer 1

对作为 pyparsing 示例一部分的 select_parser.py ( https://sourceforge.net/p/pyparsing/code/HEAD/tree/trunk/src/examples/select_parser.py ) 进行了一些小的更改，我在解析您的第一个示例后得到了这个:

SELECT e.object_id, count(*) FROM schema_name.elements AS e        JOIN schema_name2.quotes AS q ON q.id = e.object_id WHERE e.object_type = 'something' GROUP BY e.object_id, q.query ORDER BY 2 desc;
['SELECT', [['e.object_id'], ['count', '*']], 'FROM', [['schema_name', '.', 'elements'], 'AS', 'e', ['JOIN'], ['schema_name2', '.', 'quotes'], 'AS', 'q', ['ON', ['q.id', '=', 'e.object_id']]], 'WHERE', ['e.object_type', '=', 'something'], 'GROUP', 'BY', [['e.object_id'], ['q.query']], 'ORDER', 'BY', [['2', 'DESC']], ';']
- columns: [['e.object_id'], ['count', '*']]
  [0]:
    ['e.object_id']
  [1]:
    ['count', '*']
- from: [[['schema_name', '.', 'elements'], 'AS', 'e', ['JOIN'], ['schema_name2', '.', 'quotes'], 'AS', 'q', ['ON', ['q.id', '=', 'e.object_id']]]]
  [0]:
    [['schema_name', '.', 'elements'], 'AS', 'e', ['JOIN'], ['schema_name2', '.', 'quotes'], 'AS', 'q', ['ON', ['q.id', '=', 'e.object_id']]]
    - table_alias: [['e'], ['q']]
      [0]:
        ['e']
      [1]:
        ['q']
- order_by_terms: [['2', 'DESC']]
  [0]:
    ['2', 'DESC']
    - direction: DESC
    - order_key: 2
- where_expr: ['e.object_type', '=', 'something']

所以看起来这个示例可能会帮助您入门。它被写入 SQLite 的 SELECT 格式，因此您需要扩展一些语法。