如何用正则表达式统计列表中各类SQL语句的数量？

如果你用简单的前缀匹配（比如^SELECT）会遇到问题，比如关键字前有空格、大小写不统一、存在注释干扰等，下面是几个更健壮的正则实现思路：

1. 基础增强版（处理空格、大小写、整词匹配） #

这个方案解决最常见的问题：语句前的空白字符、SQL关键字的大小写混用，以及避免匹配包含关键字的其他词（比如SELECT不会匹配SELECTION）。

正则表达式（需启用多行模式和不区分大小写模式）：

^\s*(SELECT|INSERT|UPDATE|DELETE|CREATE|ALTER|DROP|MERGE)\b

• ^\s*: 匹配行首的任意空白字符（空格、制表符）
• (SELECT|INSERT|...): 枚举需要统计的SQL语句类型
• \b: 单词边界，确保匹配的是完整的关键字，而非其他词的一部分

使用示例（Python）： #

import re

sql_text = """
SELECT * FROM TEST_TABLE
INSERT INTO users VALUES (1, 'Alice')
-- This is a comment
UPDATE users SET name = 'Bob' WHERE id = 1
select * FROM orders
"""

pattern = re.compile(r'^\s*(SELECT|INSERT|UPDATE|DELETE)\b', re.MULTILINE | re.IGNORECASE)
matches = pattern.findall(sql_text)

# 统计数量
counts = {}
for match in matches:
    keyword = match.upper()
    counts[keyword] = counts.get(keyword, 0) + 1

for keyword, num in counts.items():
    print(f"{keyword} {num}")

输出：

SELECT 2
INSERT 1
UPDATE 1

2. 处理单行注释干扰 #

如果你的SQL里有--开头的单行注释，上面的正则会漏掉被注释行后面的语句吗？不，多行模式下^是行首，但如果注释和语句在同一行呢？比如-- TODO: SELECT * FROM table，这时候我们需要排除这种被注释的关键字。

改进正则（同样启用多行和不区分大小写）：

^\s*(?:--.*?)?\s*(SELECT|INSERT|UPDATE|DELETE)\b

• (?:--.*?)?: 可选的单行注释部分，?:表示非捕获组，.*?匹配注释内容直到行内的下一个有效字符（或者行尾）

但注意：如果注释和语句在同一行（比如SELECT * FROM -- test table），这个正则依然能正确匹配SELECT，因为它只跳过行首的注释。

3. 处理块注释（/* ... */） #

块注释更复杂，尤其是跨多行的情况。正则可以处理非嵌套的块注释（大多数SQL dialect不支持嵌套块注释）。

思路是先移除所有块注释，再用基础正则统计：
正则移除块注释（需启用** DOTALL 模式**，让.匹配换行）：

/\*.*?\*/

示例（Python）： #

# 先移除块注释
clean_sql = re.sub(r'/\*.*?\*/', '', sql_text, flags=re.DOTALL)
# 再用基础正则统计
matches = pattern.findall(clean_sql)

这样就能排除掉/* SELECT * FROM table */这种被注释的关键字。

注意事项 #

• 嵌套块注释：正则无法可靠处理嵌套的/* ... /* ... */ ... */，如果你的SQL有这种情况，可能需要用专门的SQL解析库（比如Python的sqlparse）来替代正则。
• 复杂语句：比如WITH ... SELECT ...，这个正则依然能匹配到SELECT，因为我们只关心语句的起始关键字。
• 语句跨行：如果SQL语句被拆分成多行（比如SELECT\n* FROM table），基础正则依然能匹配行首的SELECT，没问题。

内容的提问来源于stack exchange，提问作者thejoker34