pgFormatter 中临时表创建语句的缩进问题解析
2025-07-08 13:29:25作者:裴锟轩Denise
在 PostgreSQL 数据库开发中,pgFormatter 是一个广受欢迎的 SQL 代码格式化工具。近期,用户 Olamshin 报告了一个关于临时表创建语句后缩进异常的问题,这个问题在版本 5.5 中出现,并已在后续提交中被修复。
问题现象
当开发者在 PL/pgSQL 存储过程中使用 CREATE TEMPORARY TABLE 语句后,紧接着的 INSERT 语句会出现缩进不正确的现象。具体表现为 INSERT 语句没有按照预期的缩进层级显示,导致代码可读性下降。
问题复现
通过以下示例代码可以重现该问题:
CREATE OR REPLACE PROCEDURE do_something ()
LANGUAGE plpgsql
AS $$
DECLARE
salt text;
BEGIN
-- 创建临时表
CREATE TEMPORARY TABLE IF NOT EXISTS temp_id (
id varchar
) ON COMMIT DELETE ROWS;
TRUNCATE TABLE temp_id;
INSERT INTO temp_id -- 这里的缩进不正确
SELECT
id
FROM
jones;
END;
$$
有趣的是,如果在 INSERT 语句前添加注释,这个问题就会消失,这说明问题与语句解析逻辑有关。
技术分析
这个问题本质上属于语法解析器的缩进处理逻辑缺陷。在解析 PL/pgSQL 代码块时,pgFormatter 需要正确识别不同类型的语句边界,并应用适当的缩进规则。对于临时表创建语句后的语句,格式化工具未能正确维护当前的缩进层级。
解决方案
项目维护者 darold 在提交 8a04008 中修复了这个问题。修复的核心在于改进了语法解析器对临时表创建语句后语句缩进的处理逻辑,确保后续语句能够保持正确的缩进层级。
最佳实践
虽然这个问题已被修复,但在使用任何代码格式化工具时,开发者应该注意:
- 定期更新工具版本以获取最新的错误修复
- 对于复杂的存储过程,可以分段格式化以确保结果符合预期
- 在关键语句前后添加注释有时可以帮助格式化工具更好地理解代码结构
总结
代码格式化工具在提高开发效率的同时,也会遇到各种边界条件的挑战。pgFormatter 团队对这类问题的快速响应体现了开源项目的优势。开发者在使用时应当了解工具的局限性,并在发现问题时及时反馈,共同完善工具功能。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
411
3.16 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
664
323
Ascend Extension for PyTorch
Python
227
255
暂无简介
Dart
676
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
659
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
342
146