如何低工作量将简易MS Access SQL转换为TSQL？

一、入门级正则替换模式 #

针对Access SQL中常见的VBA嵌入代码，以下是可直接复用的正则替换规则：

• 替换Format()函数（以yyyy-mm-dd格式为例，兼容SQL Server低版本）
  正则匹配模式：

  Format\(([^,]+),\s*["']yyyy-mm-dd["']\)
  

  替换模板：

  r"CONVERT(VARCHAR, \1, 23)"
  

  说明：若需适配其他日期格式，可调整正则中的格式字符串，并对应替换CONVERT的第三个参数（如mm/dd/yyyy对应101，dd/mm/yyyy对应103）。

• 替换#日期#格式
  正则匹配模式：

  #(\d{4}-\d{2}-\d{2})#
  

  替换模板：

  r"'\1'"
  

  补充：如果是mm/dd/yyyy格式的日期，可将正则调整为#(\d{2}/\d{2}/\d{4})#，替换逻辑保持一致。

• 替换Nz()函数
  正则匹配模式（含/不含默认值两种场景）：

  Nz\(([^,]+)\)
  Nz\(([^,]+),\s*([^)]+)\)
  

  替换模板：

  r"ISNULL(\1, '')"  # 无默认值场景
  r"ISNULL(\1, \2)"  # 有默认值场景
  

二、比正则替换更优的转换方法 #

正则仅适用于简单SQL场景，面对嵌套函数、复杂子查询时容易出错，以下是更稳定的方案：

1. 基于SQL解析器的结构化转换 #

使用专业SQL解析器（如sqlparse）将SQL解析为抽象语法树（AST），遍历节点精准替换，避免正则的匹配盲区。

步骤示例：

• 安装依赖：pip install sqlparse
• 核心转换代码：

  import sqlparse
  from sqlparse.sql import Function
  
  def convert_access_to_tsql(sql):
      parsed = sqlparse.parse(sql)[0]
      # 遍历所有Token节点
      for token in parsed.flatten():
          # 替换Format函数
          if isinstance(token, Function) and token.get_name().lower() == 'format':
              args = list(token.get_parameters())
              if len(args) >= 2:
                  col = args[0].value.strip()
                  fmt = args[1].value.strip().strip('"\'')
                  # 维护格式到CONVERT参数的映射表
                  fmt_map = {
                      'yyyy-mm-dd': 23,
                      'mm/dd/yyyy': 101,
                      'dd/mm/yyyy': 103
                  }
                  if fmt in fmt_map:
                      new_func = f"CONVERT(VARCHAR, {col}, {fmt_map[fmt]})"
                      token.replace_with(sqlparse.sql.TokenList(new_func))
          # 替换#日期#格式
          elif '#' in token.value:
              token.value = token.value.replace('#', "'")
      return parsed.to_unicode()
  

2. 自定义规则引擎结合解析器 #

建立Access VBA函数到TSQL的映射字典，针对不同函数的参数逻辑做适配，适合批量处理复杂场景：

VBA_TO_TSQL_MAP = {
    'Format': {'handler': convert_format, 'params': 'col, fmt'},
    'Nz': {'handler': convert_nz, 'params': 'col, default'},
    # 可扩展其他函数
}

通过解析器识别函数节点后，调用对应处理函数完成转换，比正则的灵活性和稳定性更高。

3. SSIS内置转换辅助 #

若已使用SSIS，可通过派生列组件批量替换函数，或利用SQL Server导入导出向导的自动转换功能，但该方式更适合少量查询，500+查询的批量场景仍推荐Python脚本。

三、Python批量处理Excel完整示例 #

import pandas as pd
import re

def convert_sql(sql):
    # 替换#日期#格式
    sql = re.sub(r'#(\d{4}-\d{2}-\d{2})#', r"'\1'", sql)
    # 替换Format(xxx, "yyyy-mm-dd")
    sql = re.sub(r'Format\(([^,]+),\s*["']yyyy-mm-dd["']\)', r"CONVERT(VARCHAR, \1, 23)", sql)
    # 替换Nz函数
    sql = re.sub(r'Nz\(([^,]+)\)', r"ISNULL(\1, '')", sql)
    sql = re.sub(r'Nz\(([^,]+),\s*([^)]+)\)', r"ISNULL(\1, \2)", sql)
    return sql

# 读取源Excel文件
df = pd.read_excel('output_file.xlsx')
# 生成TSQL列
df['TSQL'] = df['New SQL Codes'].apply(convert_sql)
# 保存结果
df.to_excel('output_file_tsql.xlsx', index=False)

内容的提问来源于stack exchange，提问作者questionto42