Python正则表达式提取SQL表名：如何避免误捕列名？

核心问题 #

你当前的正则表达式\ba\.\w+会匹配所有以a.开头的标识符，导致列名也被误提取。要精准获取表名，必须结合Create table这个上下文来限定匹配范围。

修正方案 #

基础版（适配示例场景） #

直接匹配Create table（不区分大小写）之后的表名：

import re

table_list = set(re.findall(r'(?i)create table\s+(\w+\.\w+)', str(data)))

• (?i)：开启不区分大小写模式，兼容CREATE TABLE、create table等不同写法
• create table\s+：匹配建表关键字及后续的任意空白字符（包括换行、空格）
• (\w+\.\w+)：捕获带schema的表名结构，比如a.dummy_table1

增强版（兼容更多建表语法） #

如果需要支持CREATE TABLE IF NOT EXISTS这类扩展语法，可以调整正则：

table_list = set(re.findall(r'(?i)create\s+table\s+(?:if\s+not\s+exists\s+)?(\w+\.\w+)', str(data)))

• (?:if\s+not\s+exists\s+)?：可选匹配IF NOT EXISTS片段，且不捕获该部分内容

额外说明 #

• 若SQL中存在多个建表语句，该正则会提取所有符合条件的表名
• 如果表名包含下划线以外的特殊字符，需要将\w+替换为更合适的字符集，比如[\w\-]+（支持连字符）

内容的提问来源于stack exchange，提问作者Varun Das