如何用正则捕获含0个或多个UNION的单条SQL语句中的多个SELECT查询

嘿，我懂你遇到的问题了——想用正则把带UNION的多段SELECT语句拆分开，结果原来的正则因为贪婪匹配把整个语句当成了一个，确实头疼。咱们来一步步搞定这个：

你原来用的SELECT[\s]*.*from[\s]*里，.*是贪婪模式，它会尽可能多地匹配字符，从第一个SELECT开始，一直吃到最后一个from才停下，自然就把整个多UNION的语句当成了一个匹配项。

针对你的场景（简单的UNION分隔、无复杂嵌套的SELECT），可以用非贪婪匹配结合正向断言来精准捕获每一段SELECT：

基础版正则（适配UNION） #

SELECT\s.*?(?=\sUNION\s|$)

增强版正则（适配UNION/UNION ALL） #

如果你的SQL里可能出现UNION ALL，可以调整成：

SELECT\s.*?(?=\sUNION(?:\sALL)?\s|$)

正则各部分解释 #

• SELECT\s：匹配SELECT关键字，后面跟至少一个空格（避免误匹配类似SELECTION这类包含SELECT的单词）
• .*?：非贪婪模式的任意字符匹配，会尽可能早地停止，而不是一直吃到最后
• (?=\sUNION(?:\sALL)?\s|$)：正向零宽断言，用来判断停止条件：
  • 要么后面是UNION或UNION ALL（注意前后的空格，避免匹配到字段名里的UNION）
  • 要么是字符串的结尾

用你的SQL语句来测试：

import re

sql_stmt = "SELECT A,B,C from ABC Where Z=5 and T=10 UNION SELECT * from GHI Where i=100 UNION SELECT X,Y from XYZ"
# 用增强版正则
pattern = r"SELECT\s.*?(?=\sUNION(?:\sALL)?\s|$)"
# 加上re.DOTALL处理可能的换行
matches = re.findall(pattern, sql_stmt, re.DOTALL)

for num, stmt in enumerate(matches, 1):
    print(f"第{num}段SELECT语句：")
    print(stmt.strip())
    print("---")

输出结果会是：

第1段SELECT语句：
SELECT A,B,C from ABC Where Z=5 and T=10
---
第2段SELECT语句：
SELECT * from GHI Where i=100
---
第3段SELECT语句：
SELECT X,Y from XYZ
---

如果你的SQL包含嵌套子查询、括号内的UNION这类复杂结构，正则就不太靠谱了——毕竟SQL的语法规则太复杂，正则无法处理嵌套的层级关系。这种情况下，建议用专门的SQL解析库，比如Python的sqlparse、Java的JSqlParser，它们能正确解析SQL的语法结构，比正则更可靠。

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