数据是程序处理的主要内容，它一般存储在关系型数据库中，要操作它们最终必须要通过SQL语句来完成，因此，解读分析和处理SQL语句成为程序员的基本工作内容之一，当然有时这项任务是比较乏味的，如果让计算机来完成一些基本的分析解读工作如找出SQL语句涉及了哪些表，字段和条件等，可以帮助程序员解放出部分精力，投入到更有挑战性和复杂性的任务中去，本文将就如何解析单句SQL语句提出自己的解决方案和大家探讨，希望大家不吝批评指正。
首先说明以下单句SQL的范畴,它是指不存在嵌套的SQL语句，包括Select，insert，delete，update四大类型（具体的解析子类还有一种insert select类型），其中以select最为复杂，下面将以它为例。另关于嵌套SQL尤其是多重嵌套SQL的分析似乎比较复杂，我一时没想出好的解决方案，如果您知道请不吝赐教。
1.关于SQL语句的预处理。
在对sql语句进行分析之前，有必要对它进行一些预处理，这样能减轻不少后面编程的负担。
预处理的主要工作是消除SQL语句前后的空白，将其中的连续空白字符（包括空格，TAB和回车换行）替换成单个空格；将sql语句全变成小写形式（或大写形式）；在SQL语句的尾后加上结束符号，至于为什么加，这里先买个关子。具体的语句如下：
2.将SQL语句分离成片段。
经过第一步的工作，一个多行的，存在大小写混杂的SQL语句已经变成了单行的小写SQL语句，接下来我们需要把整句分离成更小的片段。以Select语句为例，其中可能存在有select子句部分，from子句部分，where子句部分，group by子句和order by子句等，如果能成功的把整句分离成这些子句，我们的分析工作又前进了一步。先让我们看看下面的SQL示例：
select c1,c2,c3 from t1,t2 where condi3=3 or condi4=5 order by o1,o2
通过观察我们可以发现，select子句是select c1,c2,c3 from，它的起始标志是select，结束标志是from；from子句是from t1,t2 where，它的起始标志是from，结束标志是where；where子句是where condi3=3 or condi4=5，它的起始标志是where，结束标志是order by；order by子句是order by o1,o2其起始标志是order by，刚才我们在整句SQL尾后加上了" ENDOFSQL"字样，因此，order by子句的结束标志是" ENDOFSQL"。
这个分析给我们解析SQL语句提供了一个思路，如果我们能找到各个子句的前后标志，在正则表达式的帮助下我们就可以轻松的获得每一种子句，下面给出一个找到from子句的完整正则表达式：
"(from)(.+)( where | on | having | groups+by | orders+by | ENDOFSQL)"
这句正则表示式让程序到整句SQL中查找符合这样条件的文本单元：它以from开头，结束标志是where,on,having,group by,order by或语句结束中间的一个，开始标志和结束标志之间可以是任何字符。这样，from子句的各种情况就都囊括进这个正则表达式了，它能找到以下类型的各种form子句：
from .... where
from .... on
from .... having
from .... group by
from .... order by
from .... ENDOFSQL（这个ENDOFSQL是预处理时加上的，如果用$符号会给程序造成麻烦）
3.找到片段中的各个部分。
有了表示片段的正则表达式，找到片段后从中分离出片段起始标志start，片段主体body和片段结束标志end就很容易了，请见代码：
这段代码为什么要逐渐从SQL开头开始截取不断增长的SQL语句进行分析而不是直接对整个SQL进行查找呢？原因是表示子句的正则表达式比较贪婪，它会竭力向后寻找，比如说SQL语句是这样写的：
select .... from .... where .... order by ....
那么用"(from)(.+)( where | on | having | groups+by | orders+by | ENDOFSQL)"进行查找得到from子句不是
from .... where
而是
from .... where .... order by
这当然不是我们想要的结果，因此采取了从SQL开头开始截取不断增长的SQL语句进行分析，找到了from .... where部分就不用继续往下找了，当然这在效率上有降低，但一些效率的付出相对于正确的结果来说是值得的。
4.将片段主体部分劈分开来
还是拿from子句做例子，得到它以后我们希望继续进行分析，最终得到from子句的表，这部分工作比较简单，使用特定的标志对body进行查找劈分即可，from子句的劈分标志较多，用正则表达式写出来是“(,|s+lefts+joins+|s+rights+joins+|s+inners+joins+)”，各种情况都要涉及到。其实大多数子句主体部分的劈分标志都是逗号，用正则表达式写出来都比from子句的简单。
劈分的代码如下，每个分隔符之间的小部分放在链表中：
之所以不直接使用String的split方法是因为分隔符存在多种形式，使用split方法后将无从知晓以前的劈分符是什么，比如 where c1=1 and c2=2 or c3=3,如果使用（and|or）做劈分符再用split方法，那么再还原SQL语句是将不可能知道原先的分隔符是and还是or。
5.还原整个SQL语句。
分析完SQL语句后，最终是要以清晰完整的形式将SQL还原出来，这一步的工作主要是将各个子句又重新组合起来，如果分析的语句是
select c1,c2,c3 from t1,t2, t3 where condi1=5 and condi6=6 or condi7=7 order by g1,g2
解析后的的Sql为:
select到这里，我对单句SQL语句进行分析的基本思路都写完了，下面是完整的代码示例：
c1,
c2,
c3
from
t1,
t2,
t3
where
condi1=5 and
condi6=6 or
condi7=7
order by
g1,
g2
工具类SqlParserUtil,这是进行SQL解析的入口
单句Sql解析器基类：
下面是BaseSingleSqlParser的五种子类：
505
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
