嘿，这个问题我之前处理过好几次！直接用split(', ')确实会踩坑——毕竟像category字段里的Sport,Food,Creature或者描述文本里的逗号，都会把原本的字段值拆得乱七八糟。给你两个靠谱的解决思路，按需选就行：

方案一：用专业SQL解析库（最稳妥） #

推荐用sqlparse这个专门的SQL解析库，它能精准识别SQL语法里的各种元素，哪怕字段值里有逗号也不会搞错拆分逻辑。

首先安装库：

pip install sqlparse

然后写脚本处理你的SQL文件：

import sqlparse
from sqlparse.sql import IdentifierList, Identifier
from sqlparse.tokens import Token

def extract_insert_data(sql_file_path):
    # 读取目标SQL文件
    with open(sql_file_path, 'r', encoding='utf-8') as f:
        sql_content = f.read()
    
    # 解析整个SQL内容
    parsed_sql = sqlparse.parse(sql_content)
    
    # 用来存储最终结构化的数据（列表套字典）
    structured_data = []
    
    for statement in parsed_sql:
        # 只处理INSERT类型的语句
        if statement.get_type() != 'INSERT':
            continue
        
        columns = []
        # 遍历语句里的每个token，提取列名和值
        for token in statement.tokens:
            # 匹配列名列表的部分
            if isinstance(token, IdentifierList):
                columns = [ident.value.strip('`') for ident in token.get_identifiers()]
            # 找到VALUES关键字，后面就是数据行
            elif token.ttype is Token.Keyword and token.value.upper() == 'VALUES':
                values_section = token.next
                while values_section:
                    if isinstance(values_section, IdentifierList):
                        # 处理每一行数据
                        for row in values_section.get_identifiers():
                            row_values = []
                            for val_token in row.tokens:
                                # 提取字符串、数字、布尔等类型的值，去掉多余的引号/反引号
                                if val_token.ttype in (Token.String, Token.Number, Token.Name):
                                    clean_val = val_token.value.strip("'\"`")
                                    row_values.append(clean_val)
                            # 把列名和对应的值拼成字典，加入结果列表
                            if len(columns) == len(row_values):
                                structured_data.append(dict(zip(columns, row_values)))
                    values_section = values_section.next
    
    return structured_data

# 调用示例，替换成你的SQL文件路径
if __name__ == '__main__':
    result = extract_insert_data('your_data.sql')
    for item in result:
        print(item)

这个脚本会自动帮你处理所有带逗号的字段值，完全不用担心拆分错误，而且能兼容绝大多数标准的INSERT语句。

方案二：用正则表达式（无额外依赖） #

如果不想安装第三方库，也可以用正则表达式来匹配，核心思路是优先捕获带引号的内容，避免把字段值里的逗号当成分隔符。不过要注意，这个方案对复杂SQL（比如值里有转义引号）的兼容性不如专业库，但应付你给出的示例场景完全没问题。

脚本代码如下：

import re

def extract_insert_data_with_regex(sql_file_path):
    with open(sql_file_path, 'r', encoding='utf-8') as f:
        sql_content = f.read()
    
    # 匹配INSERT语句的正则，捕获列名部分和值部分
    insert_regex = re.compile(r'INSERT INTO `?\w+`? \((.*?)\) VALUES(.*?);', re.DOTALL)
    # 匹配单个值的正则：优先匹配带单引号/反引号的内容，再匹配不带引号的内容
    value_regex = re.compile(r"'(.*?)'|`(.*?)`|([^,]+)")
    
    structured_data = []
    
    for match in insert_regex.finditer(sql_content):
        columns_str = match.group(1)
        values_str = match.group(2)
        
        # 提取并清理列名
        columns = [col.strip().strip('`') for col in columns_str.split(',')]
        
        # 拆分每一行数据（按括号分割）
        data_rows = re.findall(r'\((.*?)\)', values_str)
        for row in data_rows:
            row_values = []
            # 匹配该行的每个值
            for val_match in value_regex.finditer(row):
                # 优先取单引号里的内容，再取反引号，最后取不带引号的
                val = val_match.group(1) or val_match.group(2) or val_match.group(3)
                if val is not None:
                    clean_val = val.strip()
                    # 处理NULL值
                    if clean_val.upper() == 'NULL':
                        row_values.append(None)
                    else:
                        row_values.append(clean_val)
            # 拼接成字典加入结果
            if len(columns) == len(row_values):
                structured_data.append(dict(zip(columns, row_values)))
    
    return structured_data

# 调用示例
if __name__ == '__main__':
    result = extract_insert_data_with_regex('your_data.sql')
    for item in result:
        print(item)

运行这两个脚本后，你就能得到一个由字典组成的列表，每个字典对应一条INSERT语句里的行数据，键是列名，值是对应的字段内容。

备注：内容来源于stack exchange，提问作者curt