如何编写类似dbplyr的自定义get_data函数生成SQL语句

以下是满足需求的完整实现，核心是通过虚拟数据库连接捕获管道操作并生成对应SQL，同时支持直接返回传入的SQL语句：

library(dbplyr)
library(DBI)
library(rlang)
library(dplyr)

get_data <- function(database, table = NULL, query = NULL) {
  # 检查database参数是否必填
  check_required(database)
  
  # 场景1：直接传入SQL查询，返回原始语句
  if (!is.null(query)) {
    return(query)
  }
  
  # 场景2：传入table，返回可进行管道操作的tbl对象
  if (!is.null(table)) {
    # 创建临时虚拟SQLite连接
    con <- dbConnect(RSQLite::SQLite(), ":memory:")
    # 函数退出时自动关闭连接，避免资源占用
    on.exit(dbDisconnect(con))
    
    # 创建包含指定database schema的tbl对象，确保生成的SQL带库名
    tbl_obj <- tbl(con, in_schema(database, table))
    
    # 为对象添加自定义类，用于重载collect方法
    class(tbl_obj) <- c("custom_tbl_sql", class(tbl_obj))
    
    return(tbl_obj)
  }
  
  # 参数不合法时抛出错误
  abort("必须提供query参数，或在query为NULL时提供table参数")
}

# 自定义collect方法：不查询数据，直接返回生成的SQL字符串
collect.custom_tbl_sql <- function(x, ...) {
  sql_render(x) %>% as.character()
}

关键逻辑说明 #

• 直接SQL输入：当传入query参数时，函数直接返回该字符串，无需额外处理。
• 管道操作支持：当传入table且query为空时，创建虚拟内存数据库连接，生成带有指定database和table的dbplyr tbl对象。后续的filter()、select()等dplyr操作会被dbplyr自动转化为SQL语法。
• 自定义collect行为：通过重载collect()方法，让最终调用时返回生成的SQL语句而非查询结果，适配与API交互的需求。

使用示例 #

1. 直接传入SQL查询 #

get_data(
  database = "uspto",
  query = "select * from applications where id = 1"
)
# 输出："select * from applications where id = 1"

2. 管道操作生成SQL #

get_data(
  database = "uspto",
  table = "applications"
) %>%
  filter(id == 1) %>%
  select(id, application_title) %>%
  collect()
# 输出："SELECT `id`, `application_title` FROM `uspto`.`applications` WHERE (`id` = 1)"

注意事项 #

• 需提前安装依赖包：install.packages(c("dbplyr", "DBI", "RSQLite", "dplyr", "rlang"))
• 虚拟连接仅用于生成SQL，不会实际存储或查询数据，性能开销极低。
• 生成的SQL会自动包含database作为schema，兼容大多数关系型数据库的语法规范。

内容的提问来源于stack exchange，提问作者S3AN556