如何用Python处理结构化文本，删除SQL文件中跨行带嵌套括号的多余术语

处理这类带嵌套括号、跨多行的SQL结构化文本，最稳妥的方案是使用专门的SQL解析库，原理和你用BeautifulSoup处理HTML/XML一致，不需要手动处理换行、空格、括号嵌套等语法细节，比正则表达式出错概率低很多。如果不想引入第三方依赖，也可以手写简单的括号匹配状态机实现。

方案1：使用sqlparse解析库（推荐） #

sqlparse是通用SQL语法解析工具，可直接识别SQL中的关键字、语句块，精准过滤不需要的段：

1. 安装依赖：

pip install sqlparse

2. 处理代码示例：

import sqlparse
from sqlparse.tokens import Keyword

def clean_ddl(raw_sql):
    parsed = sqlparse.parse(raw_sql)[0]
    cleaned_tokens = []
    skip_flag = False
    bracket_count = 0
    
    for token in parsed.flatten():
        # 遇到TABLESPACE关键字开启跳过模式
        if token.ttype == Keyword and token.value.upper() == 'TABLESPACE':
            skip_flag = True
            bracket_count = 0
            continue
        # 跳过模式下处理括号嵌套
        if skip_flag:
            if token.value == '(':
                bracket_count += 1
            elif token.value == ')':
                bracket_count -= 1
                # 括号计数归0，说明当前TABLESPACE关联的块结束
                if bracket_count == 0:
                    skip_flag = False
            continue
        # 非跳过模式保留token，也可在此处增加过滤PCTFREE等其他不需要的关键字
        cleaned_tokens.append(token.value)
    # 最后补全结尾的右括号和分号
    return ''.join(cleaned_tokens).rstrip().rstrip(')').rstrip() + ' );'

# 读取原DDL文件处理
with open('原DDL文件路径.sql', 'r', encoding='utf-8') as f:
    raw_content = f.read()
cleaned_content = clean_ddl(raw_content)
with open('清理后DDL.sql', 'w', encoding='utf-8') as f:
    f.write(cleaned_content)

方案2：手写括号匹配状态机（无第三方依赖） #

如果你的场景固定，仅需要删除TABLESPACE及关联的STORAGE块，几十行代码就能实现，不需要引入任何依赖：

def clean_ddl_no_dep(raw_sql):
    res = []
    i = 0
    n = len(raw_sql)
    skip = False
    bracket_cnt = 0
    while i < n:
        # 匹配TABLESPACE关键字
        if not skip and raw_sql[i:i+10].upper() == 'TABLESPACE':
            skip = True
            bracket_cnt = 0
            i += 10
            continue
        if skip:
            if raw_sql[i] == '(':
                bracket_cnt += 1
            elif raw_sql[i] == ')':
                bracket_cnt -= 1
                if bracket_cnt == 0:
                    skip = False
            i += 1
            continue
        # 保留非跳过内容
        res.append(raw_sql[i])
        i += 1
    # 处理结尾冗余内容，补充分号
    cleaned = ''.join(res).rstrip()
    if cleaned.endswith('USING INDEX'):
        cleaned += ' );'
    return cleaned

效果说明 #

两种方案都可以正确处理你提供的示例SQL：

• 自动跳过所有TABLESPACE开头的跨多行段，包含嵌套的STORAGE括号内容
• 不会误删表定义和主键约束需要的右括号
• 最终输出和你手动简化后的SQL完全一致，可直接导入Oracle XE使用。
  如果还需要过滤其他不需要的配置段（比如PCTFREE、INITRANS等），只需要在对应判断逻辑里增加关键词匹配规则即可。

内容的提问来源于stack exchange，提问作者isedwards