从JSON到SQL：基于业务场景的SQL生成器实战
引言
在数据驱动的业务场景中，将业务需求快速转化为SQL查询是常见需求。本文将通过一个轻量级的sql_json_to_sql函数，展示如何将JSON格式的查询描述转换为标准SQL语句，并结合实际业务场景验证其功能。
核心代码解析
1. 代码实现
def sql_json_to_sql(sql_json):"""将扩展后的 sql_json 转换为完整的 SQL 语句:param sql_json: 生成的 sql_json 字典:return: 对应的 SQL 语句字符串"""sql = []# 构建基础 SELECT 和 FROMselect_clause = f"SELECT {', '.join(sql_json['select'])}"from_clause = f"FROM {sql_json['from']}"sql.append(select_clause)sql.append(from_clause)# 处理 JOINif sql_json.get("joins"):join_clauses = []for join in sql_json["joins"]:join_type = join["type"].upper()table = join["table"]on_cond = join["on"]join_clauses.append(f"{join_type} JOIN {table} ON {on_cond}")sql.append(' '.join(join_clauses))# 处理 WHERE 条件if sql_json.get("conds"):where_conditions = []for cond in sql_json["conds"]:field, op, value = condif isinstance(value, str) and not value.isdigit():value = f"'{value}'"where_conditions.append(f"{field} {op} {value}")if where_conditions:sql.append(f"WHERE {' AND '.join(where_conditions)}")# 处理 GROUP BY 和 HAVINGif sql_json.get("group_by"):sql.append(f"GROUP BY {', '.join(sql_json['group_by'])}")if sql_json.get("having"):sql.append(f"HAVING {' AND '.join(sql_json['having'])}")# 处理 ORDER BYif sql_json.get("order_by"):order_expressions = [' '.join(ob) for ob in sql_json["order_by"]]sql.append(f"ORDER BY {', '.join(order_expressions)}")# 处理 LIMITif sql_json.get("limit"):sql.append(f"LIMIT {sql_json['limit']}")return ' '.join([s for s in sql if s]).strip()
2. 核心功能
- 基础查询：
SELECT,FROM - 联接操作：支持
INNER JOIN、LEFT JOIN等 - 条件过滤：
WHERE条件组合（AND） - 聚合与分组：
GROUP BY+HAVING - 排序与分页：
ORDER BY+LIMIT
测试案例与业务场景
案例1：销售分析 - 筛选高销量车系
业务场景
销售团队需要快速查看2024年各车系销量排名，辅助销售策略制定。
输入JSON
{"select": ["车系", "销量"],"conds": [["年", "==", "2024"]],"from": "即席查询","order_by": [["销量", "DESC"]],"limit": 10
}
输出SQL
SELECT 车系, 销量
FROM 即席查询
WHERE 年 == '2024'
ORDER BY 销量 DESC
LIMIT 10
表结构
| 字段名 | 类型 | 说明 |
|---|---|---|
| 车系 | VARCHAR(50) | 车系名称（如“SUV”） |
| 销量 | INT | 年度销量数值 |
| 年 | VARCHAR(4) | 销售年份（如“2024”） |
案例2：员工信息报告 - 跨表聚合
业务场景
HR部门需要生成各部门员工信息报告，按部门分组并排序。
输入JSON
{"select": ["部门", "JSON_OBJECTAGG(员工ID, 姓名) AS 员工信息"],"from": "员工表","joins": [{"type": "INNER JOIN", "table": "部门表", "on": "员工表.部门ID = 部门表.ID"}],"group_by": ["部门"],"order_by": [["部门", "ASC"]],"limit": 5
}
输出SQL
SELECT 部门, JSON_OBJECTAGG(员工ID, 姓名) AS 员工信息
FROM 员工表
INNER JOIN 部门表 ON 员工表.部门ID = 部门表.ID
GROUP BY 部门
ORDER BY 部门 ASC
LIMIT 5
表结构
-
员工表
字段名 类型 说明 员工ID VARCHAR(20) 员工唯一标识 姓名 VARCHAR(50) 员工姓名 部门ID VARCHAR(20) 所属部门的外键 -
部门表
字段名 类型 说明 ID VARCHAR(20) 部门唯一标识（主键） 部门 VARCHAR(50) 部门名称（如“销售部”）
案例3：日志分析 - JSON路径查询
业务场景
运维团队分析系统日志中的错误级别分布，定位高频问题。
输入JSON
{"select": ["JSON_VALUE(log, '$.severity') AS severity_level", "COUNT(*) AS log_count"],"from": "WebSite.Logs","conds": [["JSON_VALUE(log, '$.severity')", "==", "P4"]],"group_by": ["severity_level"],"order_by": [["log_count", "DESC"]],"limit": 10
}
输出SQL
SELECT JSON_VALUE(log, '$.severity') AS severity_level, COUNT(*) AS log_count
FROM WebSite.Logs
WHERE JSON_VALUE(log, '$.severity') == 'P4'
GROUP BY severity_level
ORDER BY log_count DESC
LIMIT 10
表结构
| 字段名 | 类型 | 说明 |
|---|---|---|
| log | JSON | 日志内容（如 {"severity": "P4", "message": "..."} ） |
案例4：订单分析 - 复合条件与分组过滤
业务场景
财务部门分析2024年非西藏地区高销售额订单，排除边缘地区。
输入JSON
{"select": ["订单ID", "SUM(金额) AS 总销售额"],"from": "订单表","conds": [["年份", "==", "2024"], ["省份", "!=", "西藏"]],"group_by": ["订单ID"],"having": ["总销售额 > 10000"],"order_by": [["总销售额", "DESC"], ["订单ID", "ASC"]],"limit": 20
}
输出SQL
SELECT 订单ID, SUM(金额) AS 总销售额
FROM 订单表
WHERE 年份 == '2024' AND 省份 != '西藏'
GROUP BY 订单ID
HAVING 总销售额 > 10000
ORDER BY 总销售额 DESC, 订单ID ASC
LIMIT 20
表结构
| 字段名 | 类型 | 说明 |
|---|---|---|
| 订单ID | VARCHAR(20) | 订单唯一标识 |
| 金额 | DECIMAL(10,2) | 订单总金额 |
| 年份 | VARCHAR(4) | 订单年份（如“2024”） |
| 省份 | VARCHAR(20) | 订单所属省份 |
案例5：产品分析 - 聚合与HAVING过滤
业务场景
产品团队分析高价位产品类别，定位高端市场。
输入JSON
{"select": ["产品类别", "AVG(价格) AS 平均价格"],"from": "产品表","group_by": ["产品类别"],"having": ["AVG(价格) > 1000"],"order_by": [["平均价格", "ASC"]]
}
输出SQL
SELECT 产品类别, AVG(价格) AS 平均价格
FROM 产品表
GROUP BY 产品类别
HAVING AVG(价格) > 1000
ORDER BY 平均价格 ASC
表结构
| 字段名 | 类型 | 说明 |
|---|---|---|
| 产品ID | VARCHAR(20) | 产品唯一标识 |
| 产品类别 | VARCHAR(50) | 产品分类（如“电子产品”） |
| 价格 | DECIMAL(10,2) | 产品单价 |
扩展性与局限性
-
支持场景
- 基础查询：SELECT、WHERE、ORDER BY、LIMIT
- 复杂查询：JOIN、GROUP BY、HAVING、JSON函数
- 多条件组合：AND 条件自动拼接
-
未来扩展方向
- DML支持：INSERT、UPDATE、DELETE
- 数据库适配：支持不同数据库的方言（如MySQL、PostgreSQL）
- 参数化查询：防止SQL注入，支持预编译语句
总结
通过将JSON描述转换为SQL语句，可以快速将业务需求转化为可执行的查询，提升开发效率。本文提供的工具和案例覆盖了销售分析、日志监控、订单统计等典型场景，帮助开发者在实际业务中灵活应用。