用于解析SQL语句的Python正则表达式

我需要使用正则表达式解析SQLDDL语句中的一些信息。SQL语句如下所示：

CREATE TABLE default.table1 (DATA4 BIGINT, DATA5 BIGINT, DATA2 BIGINT, DATA3 BIGINT)
USING parquet
OPTIONS (
  serialization.format '1'
)
PARTITIONED BY (DATA2, DATA3)

我需要用Python对其进行解析，并拉出

PARTITIONED BY

子句中命名的列。我已经想出了一个正则表达式，在删除换行符后实现它，但是如果有换行符，我就无法让它工作。下面是一些演示代码：

import re
def print_partition_columns_if_found(ddl_string):
    regex = r'CREATE +?(TEMPORARY +)?TABLE *(?P<db>.*?\.)?(?P<table>.*?)\((?P<col>.*?)\).*?USING +([^\s]+)( +OPTIONS *\([^)]+\))?( *PARTITIONED BY \((?P<pcol>.*?)\))?'
    match = re.search(regex, ddl_string, re.MULTILINE | re.DOTALL)
    if match.group("pcol"):
        print match.group("pcol").strip()
    else:
        print 'did not find any pcols in {matches}'.format(matches=match.groups())        


ddl_string1 = """
CREATE TABLE default.table1 (DATA4 BIGINT, DATA5 BIGINT, DATA2 BIGINT, DATA3 BIGINT)
USING parquet OPTIONS (serialization.format '1') PARTITIONED BY (DATA2, DATA3)"""
print_partition_columns_if_found(ddl_string1)

print "--------"

ddl_string2 = """
CREATE TABLE default.table1 (DATA4 BIGINT, DATA5 BIGINT, DATA2 BIGINT, DATA3 BIGINT)
USING parquet
OPTIONS (
  serialization.format '1'
)
PARTITIONED BY (DATA2, DATA3)
"""
print_partition_columns_if_found(ddl_string2)

重新导入
如果找到def打印分区列（ddl字符串）：
regex=r'CREATE+？（TEMPORARY+）？表*（？P.*？\）？（？P.*？）*（？P.*？）*？使用+（[^\s]+）（+选项*\（[^）]+\）？（*由\（？P.*？）分区）
match=re.search（正则表达式、ddl_字符串、re.MULTILINE | re.DOTALL）
如果匹配组（“pcol”）：
打印match.group（“pcol”）.strip（）
其他：
print“在{matches}中未找到任何PCOL”。格式（matches=match.groups（））
ddl_string1=“”
创建表default.table1（数据4 BIGINT、数据5 BIGINT、数据2 BIGINT、数据3 BIGINT）
使用由（DATA2，DATA3）分区的拼花地板选项（serialization.format“1”）
如果找到，则打印分区列（ddl字符串1）
打印“----------”
ddl_string2=“”
创建表default.table1（数据4 BIGINT、数据5 BIGINT、数据2 BIGINT、数据3 BIGINT）
使用拼花地板
选择权(
序列化格式“1”
)
分区者（数据2、数据3）
"""
如果找到，则打印分区列（ddl字符串2）

这将返回：

数据2，数据3
--------
在中未找到任何PCOL（无、“默认值”。、“表1”、“数据4 BIGINT、数据5 BIGINT、数据2 BIGINT、数据3 BIGINT”、“拼花地板”、无、无、无）

---

任何正则表达式专家愿意帮助我吗？

让我们检查一下python sqlparse文档：

---

有意思，我会更深入地了解。谢谢

>>> import sqlparse
>>> ddl_string2 = """
... CREATE TABLE default.table1 (DATA4 BIGINT, DATA5 BIGINT, DATA2 BIGINT, DATA3 BIGINT)
... USING parquet
... OPTIONS (
...   serialization.format '1'
... )
... PARTITIONED BY (DATA2, DATA3)
... """
>>> ddl_string1 = """
... CREATE TABLE default.table1 (DATA4 BIGINT, DATA5 BIGINT, DATA2 BIGINT, DATA3 BIGINT)
... USING parquet OPTIONS (serialization.format '1') PARTITIONED BY (DATA2, DATA3)"""
>>> def print_partition_columns_if_found(sql):
...     parse = sqlparse.parse(sql)
...     data = next(item for item in reversed(parse[0].tokens) if item.ttype is None)[1]
...     print(data)
...
>>> print_partition_columns_if_found(ddl_string1)
DATA2, DATA3
>>> print_partition_columns_if_found(ddl_string2)
DATA2, DATA3
>>>