批量从SQL文件特定行后FROM子句提取表名的技术方案咨询

当然有可行的解决方案！针对你近7000个.sql.txt文件批量提取特定行号后FROM子句表名的需求，用Python写个脚本就能高效搞定——下面是我整理的实现方案，完美适配你给出的SQL示例场景：

核心思路 #

先遍历所有目标文件，跳转到指定行号之后的内容，用正则精准匹配FROM关键字后的表名（包括一行内多个空格分隔的表），最后把结果汇总输出，还能自动去重。

可运行脚本 #

import os
import re

def extract_table_names(file_path, start_line):
    unique_tables = set()
    # 正则匹配FROM后紧跟的表名，兼容大小写、多空格分隔的多个表
    from_pattern = re.compile(r'\bFROM\s+([a-zA-Z0-9_ ]+)(?=\s|,|\)|$)', re.IGNORECASE)
    
    with open(file_path, 'r', encoding='utf-8', errors='ignore') as f:
        # 跳过前start_line-1行（默认行号是日常计数的1-based）
        for _ in range(start_line - 1):
            next(f)
        # 处理剩余行的内容
        for line in f:
            matches = from_pattern.findall(line)
            for match in matches:
                # 拆分并清理匹配到的表名，过滤空字符串
                tables = [t.strip() for t in match.split() if t.strip()]
                unique_tables.update(tables)
    return list(unique_tables)

def batch_process(root_dir, target_line):
    summary = {}
    # 遍历目录下所有.sql.txt文件
    for dirpath, _, filenames in os.walk(root_dir):
        for file in filenames:
            if file.endswith('.sql.txt'):
                full_path = os.path.join(dirpath, file)
                tables = extract_table_names(full_path, target_line)
                summary[file] = tables
                print(f"✅ {file} 处理完成，提取到表名：{', '.join(tables)}")
    
    # 把所有结果写入汇总文件
    with open('extracted_tables_summary.txt', 'w', encoding='utf-8') as f:
        for filename, tables in summary.items():
            f.write(f"{filename}: {', '.join(tables)}\n")
    print("\n🎉 所有文件处理完毕！汇总结果已保存到 extracted_tables_summary.txt")

if __name__ == '__main__':
    # 配置你的参数：替换成SQL文件所在的文件夹路径
    SQL_FILES_DIR = "./your_sql_files_folder"
    # 替换成你需要开始提取的行号（比如从第10行之后开始就写10）
    START_FROM_LINE = 5
    batch_process(SQL_FILES_DIR, START_FROM_LINE)

关键说明 #

1. 正则适配：脚本里的正则能完美匹配示例中FROM后多个空格分隔的表（比如WT_work table、WT_Work_table1这类），还忽略大小写，兼容from/FROM的写法；如果你的表名包含特殊字符（比如引号、点号），可以调整正则表达式的字符范围。
2. 去重处理：用集合存储表名，自动避免同一个文件里重复出现的表名。
3. 行号处理：脚本默认行号是1-based（就是你日常数的第1行、第2行），如果你的需求是编程里的0-based索引，把range(start_line - 1)改成range(start_line)即可。
4. 编码兼容：打开文件时用了errors='ignore'，能处理一些编码不规范的文件，如果你明确知道文件编码，可以替换encoding='utf-8'为对应的编码（比如gbk）。

额外优化建议 #

• 如果只需要提取**最外层FROM**的表名（不需要子查询里的），可以修改正则或者增加逻辑判断，比如跳过包含SELECT的嵌套行。
• 要是文件数量太大怕卡顿，可以加个进度条（比如用tqdm库），让处理过程更直观。

内容的提问来源于stack exchange，提问作者Sshitanshu