如何从CTAS语句中提取SELECT子句？正则表达式优化需求

针对普通CTAS语句（如create table table1 as select * from table2），原有正则可正常提取，但带括号的CTAS语句（如create table table1 as (select * from table2)）无法适配。以下提供两种正则方案，分别实现提取带括号的完整片段或仅SELECT核心语句：

方案1：提取带括号的完整SELECT片段 #

如果需要保留外层括号，可使用如下正则：

import re

def extract_select_with_brackets(ctas_sql):
    # 匹配AS后的内容，包含可选的前后括号
    rgxselect = re.compile(r"as\s*((?:\()?(?:select|with)[\s\S]*?(?:\))?)$", re.IGNORECASE | re.MULTILINE)
    match = rgxselect.search(ctas_sql)
    if match:
        return match.group(1).strip()
    return None

# 测试示例
test1 = "create table table1 as select * from table2"
test2 = "create table table1 as (select * from table2)"
print(extract_select_with_brackets(test1))  # 输出: select * from table2
print(extract_select_with_brackets(test2))  # 输出: (select * from table2)

方案2：仅提取SELECT核心语句（去除外层括号） #

如果只需要括号内的SELECT内容，可调整正则捕获组：

import re

def extract_select_core(ctas_sql):
    # 匹配AS后的内容，自动忽略外层括号
    rgxselect = re.compile(r"as\s*(?:\()?\s*((?:select|with)[\s\S]*?)\s*(?:\))?$", re.IGNORECASE | re.MULTILINE)
    match = rgxselect.search(ctas_sql)
    if match:
        return match.group(1).strip()
    return None

# 测试示例
print(extract_select_core(test1))  # 输出: select * from table2
print(extract_select_core(test2))  # 输出: select * from table2

正则说明 #

• as\s*：匹配CTAS语句中的as关键字及后续任意空白字符
• (?:\()?：匹配可选的左括号，使用非捕获组避免多余分组
• (?:select|with)：匹配以select或with开头的查询语句（覆盖带CTE的场景）
• [\s\S]*?：非贪婪匹配任意字符（包括换行），避免匹配到语句意外结尾
• (?:\))?$：匹配可选的右括号并定位到语句结尾

内容的提问来源于stack exchange，提问作者Krishh