SQL解析分三阶段：词法分析切分token并标注类型；语法分析依BNF规则构建AST验证结构合法性；语义分析结合元数据校验对象存在性、权限及类型兼容性。

SQL解析不是一步到位的操作，而是分阶段层层推进的过程。核心环节就三个：把语句切分成“词”，检查这些“词”是否按规则排列，再确认它们在数据库里有没有实际意义。后面优化和执行属于后续动作，解析本身止步于语义校验完成。

词法分析：把SQL字符串切成有意义的“词”

这一步像查字典——把一整段SQL文本从左到右扫描，识别出关键字、标识符、运算符、数字、字符串、标点等基本单元，统称token。空格、换行、注释全被跳过。

• SELECT * FROM users WHERE age > 25; 会被拆成：SELECT（关键字）、*（通配符）、FROM（关键字）、users（标识符）、WHERE（关键字）、age（标识符）、>（运算符）、25（数字）、;（结束符）
• 每个token带类型标签，比如age不是普通字符串，而是“列名类标识符”；SELECT被标记为保留关键字，不能用作表名或字段名
• 底层常用确定有限自动机（DFA）实现，靠预定义状态转移规则精准识别边界，比如遇到单引号就进入字符串模式，直到下一个匹配的单引号才退出

语法分析：用语法规则组装成树形结构

词法输出的token序列交给语法分析器，它依据SQL的BNF文法（如 ::= SELECT ... FROM ...）判断组合是否合法，并生成抽象语法树（AST）。

• 合法语句如 SELECT name FROM users 能顺利构造出根节点为SELECT、子节点含列列表和表名的树；而 SELECT FROM users 因缺少目标列，会在语法层直接报错
• AST不包含具体值或执行逻辑，只反映结构关系。例如 WHERE age > 25 在树中表现为一个条件节点，下挂字段节点、运算符节点和常量节点
• 不同数据库的AST细节有差异，但主干一致：查询类型、涉及表、筛选条件、排序字段、分组字段等都对应明确的子树

语义分析：验证“说得对不对”，而非“说得顺不顺”

语法正确的SQL未必能运行。语义分析负责对接数据库元数据，确认所有引用对象真实存在且逻辑自洽。

• 查系统表，确认users表是否存在、age列是否属于该表、其数据类型是否支持>比较（比如text类型就不行）
• 检查用户权限：当前账号是否有读取users表的SELECT权限？有没有访问age列的细粒度授权？
• 识别隐式类型转换风险，比如WHERE age = '25'中字符串与整数比较，可能触发全表扫描，部分数据库会在此阶段给出警告

这三个阶段环环相扣，任一环节失败都会中止解析并返回错误。理解它们，就能快速定位是拼写错了关键字（词法）、漏写了FROM（语法），还是查了不存在的列（语义）。