再谈SQL-to-SQL翻译器
source link: https://mp.weixin.qq.com/s?__biz=MzI3MDU3OTc1Nw%3D%3D&%3Bmid=2247485189&%3Bidx=1&%3Bsn=f82d3a2e98ef567c38b1b28c647000d3
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
在前一篇文章中《 浅析构建SQL-to-SQL的翻译器》 ，我简单的阐述整体的 思想。很高兴借此认识了一些新的小伙伴，并且进行了深入的探讨。
今天我们再来做一些进一步的思考，然后再加入一点想象力，看看是否可以将深度学习引入到这个过程中来呢？接下来，我们就来说说吧。
常规
显而易见的，我们有几条路可以选，
-
解析阶段转换
即在源SQL输入进行语法解析的时候，同时构建目标SQL的AST。
-
遍历阶段转换
即在遍历源AST的时候，构建目标SQL的AST。
-
直接转换
即直接将源AST硬转成目标AST。
在这里，我描述的尽量简化，但是实际上，我们都很难一次性完成转换工作，需要结合上下文进行相关的语义转换。而且我们可能在转换过程中，需要构建一套“中立”的AST，用于抽象和存储各种SQL方言特性。然后再进一步转化。
我们以durid的parser为例，对ast api进行一些扩展，以存储上下文，以及记录转换变更，以便溯源。
NLP
上面，我们介绍了一些常规手段，接下来就是我最近的一点思考，也是偶然读到了几篇关于NL2SQL的文章受其启发，所想到的。
NL2SQL(Natural Language to SQL)， 顾名思义，是将自然语言转为SQL语句。它可以充当数据库的智能接口，让不熟悉数据库的用户能够快速地找到自己想要的数据。
既然NLP能做到自然语言翻译成SQL，为什么不能在 SQL-to-SQL 的翻译上做一些工作呢？
这方面，我们需要做的探索，目前我理解如下：
-
SQL 的分词和词性划分，与自然语句分词不同
-
SQL 的语法与自然语言不同。
-
SQL-to-SQL 部分为强规则，部分需要理解执行语义
好了，今天就先写到这，欢迎有兴趣的同学和我交流。如果本文对你有一点点帮助，那么非常期望你能关注我，并转发。
参考链接
https://spaces.ac.cn/archives/6771
http://www.itongji.cn/detail?type=99991958
https://www.zhihu.com/question/24588198?sort=created
关注 【 麒思妙想 】解锁更多硬核。
历史文章导读：
如果文章对您有那么一点点帮助，我将倍感荣幸
欢迎 关注、在看、点赞、转发
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK