最近做了一道题目，记录一下实现思路。

题目大概是：

目前JAVA程序操作数据库主要通过两种方式：

（1）JDBC：直接在JAVA源码中写SQL语句

（2）MyBatis：在XML中配置SQL语句或通过注解指定SQL语句

输入为一个JAVA源码文件zip包，统计出访问的数据库表名称以及操作类型（SELECT/UPDATE/DELETE）, 其中插入insert操作归为UPDATE进行输出。最终将统计结果输出到一个txt文件，一行就是一个结果：

文件名  表名  操作类型（query/update/delete）

 

当时的解题思路：

这主要是能够对每个文件进行解析，利用正则表达式来匹配出大概的字符串，然后再做处理。

（当时因为工作繁忙，没啥时间，所以主要花时间在解析xml上，Java有些注解类的用法还没有时间去弄）

1. 程序入口，读取zip文件

利用java.util.zip包，将指定目录下的zip文件进行解压，拿到ZipEntry实体类，就是文件对象。过滤掉一些没用或者非法的文件，比如去掉文件夹，去掉后缀不是java或xml的文件，去掉/target目录下的文件，避免重复统计。 

2. 通过第1步，拿到需要解析的文件InputStream流，这里区分java文件和xml文件

2.1 对于xml文件

（1）解析xml文件

通过dom4j解析整个xml文件，这里首先要去除dtd校验

SAXReader saxReader = new SAXReader();
// 去除dtd校验
saxReader.setValidation(false);
saxReader.setFeature("http://apache.org/xml/features/nonvalidating/load-external-dtd", false);

解析出xml的节点后，依次获取我们需要解析的标签来处理，这里拿的标签是<select><SELECT><update><UPDATE><delete><DELETE><insert><INSERT>，区分大小写。

（2）通过（1）拿到了对应标签的内容，是数组List<Element> childList

1》select标签（SELECT标签相同）：

一般xml中select标签的格式是：

<select id="getById" parameterType="..." resultType="map">
    select * from table where a = b;
</select>

通过遍历childList， 调用getTextTrim方法，可以拿到标签内去掉空格后的字符串

for (Element e : childList) {
    // 拿到具体要解析的字符串：select * from table where a = b;
    String str = e.getTextTrim();
}

这里可以归纳出一个算法：

第1步：对于一条完整的select sql查询语句，从上到下遍历整个字符串sqlStr，维持两个索引值：开始索引startIndex和结束索引endIndex。

第2步：以开始索引startIndex为起点，找到第一个遇到的结束标签（即表示一系列表声明的结束，比如WHERE、where、INNER、inner、LEFT、left、RIGHT、right、ON、on）的位置，或者是sqlStr的末尾（表示没有任何结束标签），将该标签位置设置为结束索引endIndex。

第3步：根据上一步结束索引的位置，找到离结束索引endIndex最近的一个开始标签（即表示一系列表声明的开始，比如FROM、from、JOIN、join）的位置，将该标签位置设置为开始索引startIndex。

第4步：截取开始索引和结束索引之间的字符串，设为tableStr。

第5步：分析tableStr，获取表名，一般是以逗号“,”分隔，解析出表名+空格+昵称，然后再以空格分隔获取表名。

第6步：以上次的结束索引 endIndex值，作为新的一轮的开始索引startIndex值，继续循环上面的分析，直到开始索引startIndex大于整个sql字符串sqlStr的长度。

算法的伪代码：

public List<String> getAllTableStrByStartEndIndex(String fullSqlStr) {
    List<String> allSelTableStrs = new ArrayList<>();

    // 开始索引
    int startIndex = 0;
    // 结束索引
    int endIndex = 0;
    while (startIndex < fullSqlStr.length()) {
        // 先找结束标签的位置
        MinEndIndexTag minEndIndexTag = findEndIndexFromStartIndex(fullSqlStr, startIndex);
        endIndex = minEndIndexTag.getEndIndex();
        if (endIndex == startIndex) {
            break;
        }
        
        // 当结束标签找不到时，就处理剩下的
        if (endIndex == -1) {
            endIndex = fullSqlStr.length();
        }

        // 根据结束标签，找到最后一个开始标签
        startIndex = findLastStartIndexFromStartIndex(fullSqlStr, startIndex, endIndex);
        if (startIndex == -1) {
            // 如果找不到开始标签，则将开始标签设置为（结束标签+结束标签的长度）
            startIndex = endIndex + minEndIndexTag.getEndIndexTag().length();
        } else {
            // 获取tableStr
            String tableStr = fullSqlStr.substring(startIndex, endIndex);
            if (tableStr != null && !"".equals(tableStr)) {
                allSelTableStrs.add(tableStr);

                // 开始标签重新赋值，也是（结束标签+结束标签的长度）
                startIndex = endIndex + minEndIndexTag.getEndIndexTag().length();
            } else {
                break;
            }
        }
    }
}

具体的获取开始标签和结束标签的函数就不列举了。

通过上面的算法，能够获取到一个表名字符串的数组，里面的表名字符串就类似于：

tableA a, tableB b

 这样就比较好处理了，先以逗号分隔，再以空格分隔，获取到真正的表名。 

2》update标签（UPDATE标签相同）

update标签的做法比较简单，没有select标签的情况复杂，只需要用一个正则表达式就可以解析多个表名字符串tableStr，然后再做同样的表名解析。

String XML_UPDATE = "UPDATE\\s*(\\w*\\.*\\w*)\\s*SET";
// 忽略大小写
Pattern pattern = Pattern.compile(XML_UPDATE, Parrern.CASE_INSENSITIVE);

 

3》delete标签（DELETE标签相同）

与update标签的做法一样，正则表达式为：

String XML_DELETE = "DELETE\\s*FROM\\s*(\\w*\\.*\\w*)";

4》insert标签（INSERT标签相同）

与update标签的做法一样，正则表达式为：

String XML_INSERT = "INSERT\\s*INTO\\s*(\\w*\\.*\\w*)";


至此，xml的sql语句就已经解析完成了，当然还有很多复杂的sql语句，需要针对性的解析，处理一些特殊情况，不过整体按照上面的算法思路来处理应该是OK的。