用于拆分SQL创建语句的Regex表达式

Question

我有一个包含数据库所有create语句的模式文件，我想将它们拆分以获得每个单独的语句：

CREATE TABLE leads (
id integer PRIMARY KEY,
first_name text NOT NULL,
email text NOT NULL
);
CREATE TABLE lead_logs (
id INTEGER PRIMARY KEY,
old_id int,
new_id int,
old_email text,
new_email text
);
CREATE TRIGGER validate_email_before_insert_leads 
BEFORE INSERT ON leads
BEGIN
SELECT
CASE
WHEN NEW.email NOT LIKE '%_@__%.__%' THEN
RAISE (ABORT,'Invalid email address')
END;
END;
CREATE TRIGGER log_contact_after_update 
AFTER UPDATE ON leads
WHEN old.phone <> new.phone
OR old.email <> new.email
BEGIN
INSERT INTO lead_logs VALUES(
old.id,
new.id,
old.email,
new.email
);
END;

我可以在上拆分文本当我只有CREATE TABLE语句时，但现在我还有CREATE TRIGGER和BEGIN和END命令，它们也有分号，我需要一种更智能的方法来提取完整的语句。

由于每个语句都以CREATE开头，在接下来的CREATE之前以;n结束，我认为我可以使用DOTALL标志编译(CREATE.*;)nCREATE，这样换行符就被点考虑在内，但python的re.findall只返回一个单个提取，其中包含除最后一条语句外的所有内容。

我认为它可能与子组有关，但((CREATE.*;)n)*只返回空字符串，CREATE.*;n将返回整个原始文本。

我可以使用python简单地在CREATE序列前面加上其他东西并进行拆分，但这似乎相当原始：

txt.replace('CREATE', 'OOGABOOGA-CREATE').split('OOGABOOGA-')

我确信这在regex中非常简单，但我无法理解它，有人能帮我一把吗？

Answer 1

如果您坚持使用正则表达式，请使用语法为?的非贪婪正则表达式，以避免获得完整的原始文本。并查找以;结尾且没有前导空格的行。只有当数据的格式与示例类似时，它才有效。

print([s[0] for s in re.findall('(CREATE[sS]+?(n[^ ]+;))', sql)])

输出：

['CREATE TABLE leads (n    id integer PRIMARY KEY,n    first_name text NOT NULL,n    email text NOT NULLn);',
'CREATE TABLE lead_logs (n    id INTEGER PRIMARY KEY,n    old_id int,n    new_id int,n    old_email text,n    new_email textn);',
"CREATE TRIGGER validate_email_before_insert_leads n   BEFORE INSERT ON leadsnBEGINn   SELECTn      CASEn    WHEN NEW.email NOT LIKE '%_@__%.__%' THENn      RAISE (ABORT,'Invalid email address')n       END;nEND;",
'CREATE TRIGGER log_contact_after_update n   AFTER UPDATE ON leadsn   WHEN old.phone <> new.phonen        OR old.email <> new.emailnBEGINn    INSERT INTO lead_logs VALUES(n        old.id,n        new.id,n        old.email,n        new.emailn    );nEND;']