Python正则匹配CREATE TABLE类SQL返回None的原因及解决方法

• 你的怀疑是对的，匹配失败确实和开头的换行符有关，核心是两点：
  • Python的re.match()方法强制从字符串的第一个字符开始匹配，只要起始位置不符合正则规则，直接返回None，不会自动跳过开头的无关字符往后找
  • 你传入的SQL字符串第一个字符是换行符\n，但正则写的是从create关键字开始匹配，开头的换行不在匹配范围内，自然拿不到结果
  • 你在regex101能匹配成功，是因为平台默认是扫描整个字符串找匹配项的模式（对应Python里的re.search()），不是强制锚定字符串起始位置的match模式，所以结果有差异
• 顺便提一句你当前正则的遗漏点：没有覆盖CREATE TEMPORARY TABLE、CREATE GLOBAL TEMP TABLE这类常见临时表语法，也没处理CREATE OR REPLACE TEMP TABLE这种OR REPLACE和临时表关键字组合的写法，实际用的时候容易漏判。

选任意一种都能解决问题：

方案1：最小改动，换用re.search() #

re.search()会扫描整个字符串，找到第一个符合规则的位置就返回结果，自动跳过开头的换行、空格、制表符等无关字符，不用改正则逻辑就能跑通：

import re
sql = '\nCREATE TABLE tabename \nAS\nSELECT 1'
# 优化了正则覆盖更多建表场景，不需要的话可以换回你原来的正则写法
rgxddl = re.compile(
    r"create\s+(?:(?:or\s+replace\s+)?(?:global\s+)?(?:temp|temporary)\s+table|or\s+replace\s+table|table)\s+[\s\S]*",
    re.IGNORECASE
)
m = rgxddl.search(sql)  # 把原来的match替换成search即可

注：你原来加的re.MULTILINE标志对当前正则没用，这个标志只影响^和$的锚定逻辑，你正则里没用到这两个符号，可以删掉。

方案2：保留re.match()的话，在正则开头补空白匹配 #

如果业务逻辑要求必须从字符串起始位置做匹配，就在正则最前面加\s*，允许开头出现0到多个任意空白字符（包含换行、空格、缩进），再匹配create关键字：

import re
sql = '\nCREATE TABLE tabename \nAS\nSELECT 1'
rgxddl = re.compile(
    # 开头加\s*匹配前置空白
    r"\s*create\s+(?:(?:or\s+replace\s+)?(?:global\s+)?(?:temp|temporary)\s+table|or\s+replace\s+table|table)\s+[\s\S]*",
    re.IGNORECASE
)
m = rgxddl.match(sql)

方案3：预处理SQL字符串 #

匹配前先把SQL首尾的空白字符全部去掉，从根源上避免前置换行、空格的干扰，逻辑更直观：

sql = sql.strip() # 去掉首尾所有空白（换行、空格、制表符）
# 后续再用原来的rgxddl.match(sql)就能正常匹配

你现在正则末尾用的[\s\S]*会匹配到字符串结束，如果待检测的SQL是多语句用分号拼接的，会把CREATE TABLE后面的所有其他SQL语句都算到建表语句里，实际业务用的话建议按需调整匹配终止边界。

内容的提问来源于stack exchange，提问作者Leo