正则表达式可辅助提取sql关键片段，但须先标准化（转小写、压缩空白、加终止符），再按子句边界分段匹配，最后分别提取表名与字段；字符串字面量、嵌套括号和注释等场景易出错，推荐优先使用sqlparse等专业解析库。
正则表达式可用于快速定位和提取 SQL 语句中的关键片段，但需配合预处理与结构化遍历，不能单靠一个正则“一揽子匹配”整句。核心思路是：先标准化语句，再按子句边界分段，最后对各段做针对性提取。
标准化 SQL 字符串
原始 SQL 常含大小写混用、多余空格、换行、注释等问题，直接匹配易出错。应统一转小写、压缩空白、补结束标记：
- trim() + toLowerCase()：消除大小写干扰
- replaceAll("\s+", " ")：把连续空白（含换行、Tab）替换成单空格
- 末尾追加 " ENDOFSQL"：为 order by 等无显式结尾的子句提供统一终止符
按子句边界切分语句
SELECT 类语句有明确关键字作为起止锚点。可用正则按顺序捕获各子句内容：
-
select 部分：从
select开始，到from前结束 →select\s+(.*?)\s+from\b -
from 部分：从
from开始，到where/group/order/ENDOFSQL前结束 →from\s+(.*?)(?=\s+(where|group|order|ENDOFSQL)\b) -
where 条件：匹配
where后直到下一个子句或结尾 →where\s+(.*?)(?=\s+(group|order|ENDOFSQL)\b) - 其他子句（
group by、order by）同理，注意用\b防止误匹配字段名（如group_id）
从子句中提取表名与字段
切分后，对 from 和 select 片段分别处理：
-
from 后的表名：提取逗号分隔的标识符，过滤掉
as别名部分。例如from t1, t2 as a join t3中取t1、t2、t3 -
select 后的字段：匹配逗号分隔项，跳过函数调用（如
count(*)、max(id)）和星号（*），保留纯列名或别名前的部分 - 推荐用
sqlparse库替代手写正则：它已内置 token 分类逻辑，能准确识别 Identifier、Function、Wildcard 等节点
避开常见陷阱
纯正则解析 SQL 容易翻车，以下情况必须谨慎：
-
字符串字面量中的关键字：如
where name = 'order by id'，正则可能误将order by当作子句开头 → 需先剥离引号内内容 -
嵌套括号与函数：如
select if(a>0, 'yes', 'no') from t，简单正则无法正确配对括号 → 建议用栈或 AST 解析器 -
注释干扰：行内注释
--或块注释/* */可能打断关键字连续性 → 提前用sqlparse.format(sql, strip_comments=True)清理 -
性能提醒：复杂正则在大 SQL 上回溯严重，生产环境建议优先使用成熟 parser（如
sqlparse或parser-tools）
