如何高效验证含指定关键词的类SQL脚本字符串模式？

直接用预编译正则+配置化规则替代嵌套循环，既能提升效率，又能让代码更易维护。核心思路是把所有验证规则整合到一个动态生成的正则表达式中，一次匹配完成关键词、资源类型、名称格式的三重验证。

步骤1：定义验证规则配置 #

先把不同资源类型的名称正则、允许的关键词整理成字典，新增/修改规则只需要改这里：

import re
import csv

# 允许的操作关键词
ALLOWED_KEYWORDS = ("CREATE", "CREATE OR REPLACE")
# 资源类型对应的名称正则
RESOURCE_NAME_RULES = {
    "application": r"^[A-Za-z0-9_]{3,20}$",
    "flow": r"^FLW_[A-Z0-9_]{5,15}$",
    # 可添加更多资源类型及对应正则
}

步骤2：动态生成预编译正则 #

根据配置自动生成包含所有规则的正则表达式，预编译后重复使用能大幅提升匹配效率：

# 生成关键词的正则分支（转义特殊字符，避免正则语法冲突）
keyword_pattern = "|".join(re.escape(k) for k in ALLOWED_KEYWORDS)
# 生成每个资源类型的匹配分支
resource_branches = []
for resource_type, name_regex in RESOURCE_NAME_RULES.items():
    # 每个分支匹配：关键词 + 任意空白 + 资源类型 + 任意空白 + 符合规则的名称
    branch = rf"(?:{keyword_pattern})\s+(?:{resource_type})\s+(?P<name_{resource_type}>{name_regex})"
    resource_branches.append(branch)

# 合并所有分支，生成最终正则（可选忽略大小写，根据实际需求调整）
full_pattern = re.compile(r"^\s*" + "|".join(resource_branches) + r"\s*$", re.IGNORECASE)

步骤3：处理CSV文件并验证 #

遍历CSV每行，用预编译的正则一次完成所有验证，无需嵌套循环：

def validate_csv_scripts(csv_path):
    with open(csv_path, "r", encoding="utf-8") as f:
        reader = csv.reader(f)
        for row_num, row in enumerate(reader, start=1):
            if not row:
                continue
            script_line = row[0].strip()  # 假设脚本内容在CSV第一列
            match = full_pattern.match(script_line)
            if match:
                # 提取匹配到的资源类型和名称
                for resource_type in RESOURCE_NAME_RULES:
                    name = match.group(f"name_{resource_type}")
                    if name:
                        print(f"行{row_num}验证通过：{resource_type} '{name}'")
                        break
            else:
                print(f"行{row_num}验证失败：{script_line}")

# 调用示例
validate_csv_scripts("your_scripts.csv")

为什么比嵌套循环高效？ #

1. 预编译复用：正则仅编译一次，后续匹配直接复用，避免重复编译的额外开销。
2. 单次匹配多校验：无需先循环匹配关键词、再循环匹配资源类型、最后单独验证名称，一次正则匹配完成所有校验逻辑，时间复杂度从O(mnk)（m关键词数、n资源类型数、k行数）降到O(k*L)（k行数、L行文本长度）。
3. 配置化易维护：新增资源类型或修改规则只需更新字典，无需改动核心验证逻辑，扩展性更强。

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