Cai
2026-08-12 90ae151acde57210a151954b1396aa9373a3bb50
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
"""Run a read-only MySQL query and archive the CSV result in ana-data.
 
The script only allows SELECT-like statements and reads the password from
TIANXIA_MYSQL_PASSWORD. It never accepts a password argument and never writes to
the database.
"""
 
from __future__ import annotations
 
import argparse
import csv
import hashlib
import os
import re
import subprocess
import sys
from datetime import datetime, timezone
from pathlib import Path
 
 
SCRIPT_PATH = Path(__file__).resolve()
PROJECT_ROOT = SCRIPT_PATH.parents[2]
DEFAULT_MYSQL_EXE = Path(os.environ.get("TIANXIA_MYSQL_EXE", "M:/mysql/server/bin/mysql.exe"))
ALLOWED_PREFIXES = ("select", "with", "show", "describe", "desc", "explain")
FORBIDDEN_SQL = re.compile(
    r"\b(insert|update|delete|drop|alter|create|truncate|replace|load|grant|"
    r"revoke|set|call|do|handler|lock|unlock|analyze|optimize|repair)\b",
    re.I,
)
 
 
def now_iso() -> str:
    return datetime.now(timezone.utc).astimezone().isoformat(timespec="seconds")
 
 
def safe_name(value: str, fallback: str = "artifact", max_len: int = 96) -> str:
    value = re.sub(r"[^A-Za-z0-9._-]+", "_", value.strip())
    value = value.strip("._-")
    return (value or fallback)[:max_len]
 
 
def sha256_text(value: str) -> str:
    return hashlib.sha256(value.encode("utf-8")).hexdigest()
 
 
def project_relative(path: Path) -> str:
    try:
        return path.resolve().relative_to(PROJECT_ROOT.resolve()).as_posix()
    except ValueError:
        return path.resolve().as_posix()
 
 
def read_sql(args: argparse.Namespace) -> str:
    if args.sql_file:
        sql = Path(args.sql_file).read_text(encoding="utf-8")
    elif args.sql:
        sql = args.sql
    else:
        raise SystemExit("pass --sql or --sql-file")
    sql = sql.strip()
    if sql.endswith(";"):
        sql = sql[:-1].strip()
    return sql
 
 
def validate_read_only(sql: str) -> None:
    compact = re.sub(r"/\*.*?\*/", " ", sql, flags=re.S)
    compact = re.sub(r"--.*?$", " ", compact, flags=re.M).strip()
    if ";" in compact:
        raise SystemExit("only one SQL statement is allowed")
    prefix = compact.split(None, 1)[0].lower() if compact else ""
    if prefix not in ALLOWED_PREFIXES:
        raise SystemExit(f"SQL must start with one of: {', '.join(ALLOWED_PREFIXES)}")
    if FORBIDDEN_SQL.search(compact):
        raise SystemExit("SQL contains a forbidden write/admin keyword")
    if re.search(r"\binto\s+outfile\b", compact, re.I):
        raise SystemExit("INTO OUTFILE is not allowed")
 
 
def run_mysql(args: argparse.Namespace, sql: str) -> str:
    password = os.environ.get("TIANXIA_MYSQL_PASSWORD")
    if not password:
        raise SystemExit("TIANXIA_MYSQL_PASSWORD is required in the environment")
    mysql_exe = Path(args.mysql_exe)
    if not mysql_exe.exists():
        raise SystemExit(f"mysql executable not found: {mysql_exe}")
 
    cmd = [
        str(mysql_exe),
        "--protocol=TCP",
        "--batch",
        "--raw",
        "--quick",
        "--default-character-set=utf8mb4",
        f"--host={args.host}",
        f"--port={args.port}",
        f"--user={args.user}",
        args.database,
        "-e",
        sql,
    ]
    env = os.environ.copy()
    env["MYSQL_PWD"] = password
    proc = subprocess.run(cmd, text=True, capture_output=True, env=env, check=False)
    if proc.returncode != 0:
        raise SystemExit(proc.stderr.strip() or proc.stdout.strip())
    return proc.stdout
 
 
def write_csv_from_tsv(tsv: str, out_path: Path) -> int:
    out_path.parent.mkdir(parents=True, exist_ok=True)
    row_count = 0
    with out_path.open("w", encoding="utf-8-sig", newline="") as fh:
        writer = csv.writer(fh)
        for line_index, line in enumerate(tsv.splitlines()):
            cells = line.split("\t")
            writer.writerow(cells)
            if line_index > 0:
                row_count += 1
    return row_count
 
 
def append_manifest(path: Path, row: dict[str, str]) -> None:
    path.parent.mkdir(parents=True, exist_ok=True)
    exists = path.exists()
    with path.open("a", encoding="utf-8-sig", newline="") as fh:
        writer = csv.DictWriter(fh, fieldnames=list(row.keys()))
        if not exists:
            writer.writeheader()
        writer.writerow(row)
 
 
def export(args: argparse.Namespace) -> int:
    sql = read_sql(args)
    validate_read_only(sql)
 
    industry_root = PROJECT_ROOT / "ana-data" / "cases" / args.industry_case
    output_dir = industry_root / args.output_kind
    manifest_dir = industry_root / "manifest"
    output_dir.mkdir(parents=True, exist_ok=True)
    manifest_dir.mkdir(parents=True, exist_ok=True)
 
    artifact = safe_name(args.artifact_name)
    run_safe = safe_name(args.run_id, "run")
    query_id = f"{run_safe}_{artifact}"
    sql_hash = sha256_text(sql)
    out_path = output_dir / f"{artifact}_{run_safe}_{sql_hash[:12]}.csv"
    sql_path = manifest_dir / f"mysql_query_{query_id}_{sql_hash[:12]}.sql"
    manifest_path = manifest_dir / f"mysql_query_manifest_{run_safe}.csv"
 
    tsv = run_mysql(args, sql)
    row_count = write_csv_from_tsv(tsv, out_path)
    sql_path.write_text(sql + "\n", encoding="utf-8")
 
    append_manifest(
        manifest_path,
        {
            "query_id": query_id,
            "case_id": args.case_id,
            "batch_id": args.batch_id,
            "run_id": args.run_id,
            "artifact_name": artifact,
            "sql_sha256": sql_hash,
            "sql_relative_path": project_relative(sql_path),
            "output_relative_path": project_relative(out_path),
            "row_count": str(row_count),
            "executed_at": now_iso(),
            "db_host": args.host,
            "db_port": str(args.port),
            "db_name": args.database,
            "read_only_guard": "PASS",
        },
    )
    print(f"output={project_relative(out_path)} rows={row_count}")
    print(f"manifest={project_relative(manifest_path)}")
    return 0
 
 
def parse_args(argv: list[str]) -> argparse.Namespace:
    parser = argparse.ArgumentParser(description=__doc__)
    parser.add_argument("--industry-case", required=True)
    parser.add_argument("--case-id", required=True)
    parser.add_argument("--batch-id", required=True)
    parser.add_argument("--run-id", required=True)
    parser.add_argument("--artifact-name", required=True)
    parser.add_argument("--output-kind", choices=["supplement", "evidence", "manifest"], default="supplement")
    parser.add_argument("--sql")
    parser.add_argument("--sql-file")
    parser.add_argument("--mysql-exe", default=str(DEFAULT_MYSQL_EXE))
    parser.add_argument("--host", default=os.environ.get("TIANXIA_MYSQL_HOST", "127.0.0.1"))
    parser.add_argument("--port", default=os.environ.get("TIANXIA_MYSQL_PORT", "3306"))
    parser.add_argument("--user", default=os.environ.get("TIANXIA_MYSQL_USER", "root"))
    parser.add_argument("--database", default=os.environ.get("TIANXIA_MYSQL_DB", "tianxia"))
    return parser.parse_args(argv)
 
 
def main(argv: list[str] | None = None) -> int:
    args = parse_args(argv or sys.argv[1:])
    return export(args)
 
 
if __name__ == "__main__":
    raise SystemExit(main())