再读simpledb 之 SQL语句解析（1）

前面的几个部分，基本实现了数据的读写。对于数据库使用者来说，SQL（Structured Query Language）是访问数据库的窗口，这一节就来看下simpledb对SQL语句的解析。

首先要说的是，simpledb实现了一个SQL-92的子集，具体支持的语法如下所示：

<Query>      := SELECT <SelectList> FROM <TableList> [ WHERE <Predicate> ]
<SelectList> := <Field> [ , <SelectList> ]
<TableList>  := TableName [ , <TableList> ]
<Predicate>  := <Term> [ AND <Predicate> ]
<Term>       := <Expression> = <Expression>
<Expression> := <Field> | <Constant>
<Field>      := FieldName
<Constant>   := String | Integer

<Modify>     := <Insert> | <Delete> | <Update>
<Insert>     := INSERT INTO TableName ( <FieldList> ) VALUES ( <ConstList> )
<FieldList>  := <Field> [ , <FieldList> ]
<ConstList>  := <Constant> [ , <Constant> ]
<Delete>     := DELETE FROM TableName [ WHERE <Predicate> ]
<Update>     := UPDATE TableName SET <Field> = <Expression> [ WHERE <Predicate> ]

<Create>     := <CreateTable> | <CreateView> | <CreateIndex>
<CreateTable>:= CREATE TABLE TableName ( <FieldDefs> )
<FieldDefs>  := <FieldDef> [ , <FieldDefs> ]
<FieldDef>   := FieldName <TypeDef>
<TypeDef>    := INT | VARCHAR ( Integer )
<CreateView> := CREATE VIEW ViewName AS <Query>
<CreateIndex>:= CREATE INDEX IndexName ON TableName ( <Field> )

simpledb中的parse模块完成了解析的功能，类图如下：

图1 parse类图

在开始之间，先想一下SQL语句的解析，主要的工作是：

通过对输入SQL语句字符串的分割等工作，

首先，对输入SQL语句字符串的分割等工作；

然后，识别出语句执行的是CRUD中的哪个动作，识别出数据库操作关联的表和相关的数据；

最后，把识别出的表和数据传递给系统的相关接口，完成查询。

结合上面的类图，可以分三类：lexer、parser工具类，完成了SQL的解析；*Data，SQL解析成果的载体；BadSyntaxException，语法错误异常类。

下面，先从工具类说起：

> lexer

用编译原理的知识说来，这是个词法分析器，主要负责把输入的SQL字符串切割开，

第一步，将SQL字符串使用指定的分割符进行分割，将结果保存在一个叫tokens的string数组中

图2 lexer分割SQL示意图

分割过程如图2所示，利用正则表达式，将SQL字符串分割。

\s{1}|(,){1}|(=){1}|(\(){1}|(\)){1}|('[^']*'){1}

图3 SQL to tokens分割过程用到的RE

图4 实际运行时tokens结果

 

图5 恶意输入的结果

（ 在面试的时候，问过我一个问题，如果有用户而已输入，输入了N多个空格，隔断了select语句的field-list，该怎么办？

如

select sid,            sname from     students where sid='10001'

实际上，在上面这个步骤，把所有的单元都独立分出来，如图5所示，每个空格都占一个tokens的位置。但是，lexer有一个nextToken方法，能有效地过滤掉这些干扰：

private void nextToken()
{
    position++;
    while (position < tokens.Length && tokens[position].Length == 0)
        position++;
}

之后，lexer通过以下的算法，实现对各种字符串片段的处理

（注意：lexer下有tokens数组的指针position，指向了lexer当前处理的tokens数组中的元素）

1、定位到下一个处理元素token，使用nextToken()方法
2、匹配token，使用match*()方法

3、处理token，使用eat*()方法

在match阶段，用到了如下的RE来对字符串片段进行匹配：

private const string intPattern = @"^[-+]?(0|[1-9]\d*)$";
private const string stringPattern = @"^'[^']*'$";
private const string idPattern = @"^[a-zA-Z_]\w*$"
private const string keywordPattern = @"^[a-zA-Z]*$";

simpledb支持的SQL关键字如下：

string[] keywords = {"select","from","where","and","insert","into","values",
"delete","update","set","create","table","varchar","view","as","index","on"};

在eat阶段,

总共有5个eat方法：eatDelim(char) eatId() eatIntConstant() eatKeyword(string) eatStringConstant，其中eatDelim和eatKeyword，有参数输入，根据参数的不懂，吃掉相应的分隔符或关键字，其他的，只是利用position，将position指向的token解析对指定的int或string。

可以说，lexer为SQL的解析完成了第一步的工作。

明天得早起，先到这里，待续。