如何改进正则表达式仅提取DB2.Database关联的Schema.Table信息

最终正则表达式 #

DB2\.Database\([^)]+\)\s*(?:AS\s+\w+\s*)?(?:FROM|(?:INNER|LEFT|RIGHT|FULL)\s+JOIN)\s+(\w+\.\w+)

正则逻辑拆解 #

• DB2\.Database\([^)]+\)：精准定位DB2数据库的连接字符串段，[^)]+匹配括号内的所有配置内容（直到右括号结束），确保只处理DB2相关的SQL片段。
• \s*(?:AS\s+\w+\s*)?：兼容连接后可能带的别名（比如DB2.Database(...) AS mydb），非捕获组(?:...)不会干扰最终提取结果，?表示该部分可选。
• (?:FROM|(?:INNER|LEFT|RIGHT|FULL)\s+JOIN)：覆盖所有需要匹配的SQL关键字，包括FROM和各类JOIN变体，非捕获组用来统一匹配这些关键字组合。
• \s+(\w+\.\w+)：匹配关键字后的空格，然后用捕获组(\w+\.\w+)提取格式为Schema.Table的目标内容，\w+匹配字母、数字或下划线（符合DB2对象命名规则）。

Python 代码示例 #

import re

# 示例输入字符串
input_str = """
SELECT * FROM DB2.Database('server','db') AS db1.SCHEMA1.TABLE1
INNER JOIN DB2.Database('server2','db2') SCHEMA2.TABLE2 ON ...
LEFT JOIN SCHEMA3.TABLE3 ON ... -- 这个不属于DB2，不会被提取
SELECT col FROM DB2.Database('srv','db3') AS mydb FROM SCHEMA4.TABLE4
"""

# 使用修正后的正则提取
pattern = r"DB2\.Database\([^)]+\)\s*(?:AS\s+\w+\s*)?(?:FROM|(?:INNER|LEFT|RIGHT|FULL)\s+JOIN)\s+(\w+\.\w+)"
matches = re.findall(pattern, input_str, re.IGNORECASE)

print(matches)
# 输出: ['SCHEMA1.TABLE1', 'SCHEMA2.TABLE2', 'SCHEMA4.TABLE4']

常见问题说明 #

之前添加前缀后提取失败，大概率是因为：

1. 没有考虑连接字符串后可能存在的别名（AS xxx），导致正则匹配中断；
2. 未用非捕获组处理JOIN的变体关键字，导致关键字匹配不完整；
3. 没有限定正则只在DB2连接字符串后续的范围内匹配，导致全局匹配时混入非DB2的表名。

内容的提问来源于stack exchange，提问作者Steve