用Python解析SQL

我已经相当广泛地研究了这个问题。Python-sqlparse是一个非验证解析器，这并不是你真正需要的。 antlr中的例子需要大量的工作来转换为python中的一个漂亮的 ast。 sql的标准语法是 here 但是，自己转换这些数据是一项全职工作，而且你可能只需要其中的一个子集，即没有连接。你可以试着看一下 牛虻 (一个Python SQL数据库)也是如此，但我避开了它，因为他们使用自己的解析工具。

对于我的情况，我基本上只需要一个where子句。我试着 booleneo (一个布尔表达式分析器)写的，但最后还是从头使用了pyparsing。 Mark Rushakoff的reddit帖子中的第一个链接给出了一个使用它的SQL例子。 Whoosh 一个全文搜索引擎也使用它，但我还没有看清源头，不知道如何使用。

Pyparsing非常容易使用，你可以非常容易地定制它，使之不与SQL完全相同（大部分语法你将不需要）。我不喜欢ply，因为它使用了一些使用命名惯例的魔法。

总之，给pyparsing一个尝试，它很可能强大到足以完成你所需要的，而且与python的简单集成（带有简单的回调和错误处理）将使你的体验相当轻松。

This reddit post suggests python-sqlparse 作为一个现有的实现，以及其他一些链接。

TwoLaid的Python SQL解析器对于我的目的来说非常好用。 它是用C语言编写的，需要进行编译。 它很健壮。 它能解析出每个子句的单个元素。

https://github.com/TwoLaid/python-sqlparser

我正在用它来解析出查询列的名称，以便在报告标题中使用。 下面是一个例子。

import sqlparser
def get_query_columns(sql):
   '''Return a list of column headers from given sqls select clause'''
   columns = []
   parser = sqlparser.Parser()
   # Parser does not like new lines
   sql2 = sql.replace('\n', ' ')
   # Check for syntax errors
   if parser.check_syntax(sql2) != 0:
      raise Exception('get_query_columns: SQL invalid.')
   stmt = parser.get_statement(0)
   root = stmt.get_root()
   qcolumns = root.__dict__['resultColumnList']
   for qcolumn in qcolumns.list:
      if qcolumn.aliasClause:
         alias = qcolumn.aliasClause.get_text()
         columns.append(alias)
      else:
         name = qcolumn.get_text()
         name = name.split('.')[-1] # remove table alias
         columns.append(name)
   return columns
sql = '''
SELECT 
   replace(coalesce(a.b, 'x'), 'x', 'y') as jim,
   a.bla as sally  -- some comment
   table_a as a
WHERE
print get_query_columns(sql)
# output: ['a', 'jim', 'sally']