Oracle正则表达式的应用

在oracle里正则表达式有四个函数可用，分别是regexp_like、regexp_substr、regexp_instr 和regexp_replace。这里在我们oracle 10g里灵活应用。

先来简单介绍一下正则表达式的内容，正则表达式是做为快速查询的文本内容的，在linux应用比较多，首先，行的起始与结束 “^”这个字符是表示只查找行首的内容。“$”这个字符只查找行末的内容。接下来是“^”还可以做为一个排除字符来使用。还是使用例子来做一个演示比较明了一下。

这里我使用regexp_like这个函数来做，这样可以我们平时会使用的比较多。

select * from test_table

where regexp_like(field_1,'^1234')

这个就是表示是以1234打头的字符串是不是有匹配的。这里和like的方式是一样的。

 

 

select * from test_table

where regexp_like(field_1,'^[12]234')

这里多了一个[]这里做一个独立字符，这里表示是以1或2开始，并且接着是234这个里的字符就会是匹配的。

 

 

select * from test_table

where regexp_like(field_1,'^(欧阳|李)小二')

这里我们就可以表达，这个查询一个姓是欧阳或李的，名字叫小二的字符串。这里多了一个（）这个是做一个为字符串的方式来写的与[]刚好是对应。

这里还有一个“|”来表示或的意思。

 

 

select * from test_table

where regexp_like(field_1,'^李[小]*二')

这里我们就可以查询李小二或是李二，再或者是李小小二，都可以，这里我们需要讲一下是[]后面带了一个*，这个是表示0~无穷大 字符去匹配。这个[]我们还可以添加一个“+”来表示1~无穷大的字符去匹配，也可以更加精准一些，在[]后面{1,3}这里就是表示1个到3个相同字符的匹配。还有一个“?”来说表示1或是0个。

 

 

select * from test_table

where regexp_like(field_1,'李[^小]二')

这里我们可以查询到姓李的，但是第二字不是“小”这个字。

 

 

select * from test_table

where regexp_like(field_1,'[0-9]')

这里是表示我们查询字符串含有0-9的数字的字符串。

 

 

select * from test_table

where regexp_like(field_1,'[a-z]')

这里是表示我们查询字符串含有a-z的小写字母的字符串。

 

 

select * from test_table

where regexp_like(field_1,'[A-z]')

这里是表示我们查询字符串含有A-z的所有字母的字符串。

 

 

select * from test_table

where regexp_like(name,'[[:alpha:]]')

这里是表示查询匹配任意字母，也包括中文字

 

 

select * from test_table

where regexp_like(name,'[[:alnum:]]')

这里是表示查询匹配任意字母和数字

 

 

select * from test_table

where regexp_like(name,'[[:digit:]]')

这里是表示查询匹配任意数字

 

 

Select * from test_table

Where regexp_like(name,’of’,’i’)

这里就是of不区分大小写

 

 

Select * from test_table

Where regexp_like(name,’^[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}.[0-9]{1,3}$’)

这样我们可以查询是不是ip格式

 

 

 

接下来介绍一下regexp_substr

这个也是一个非常实用的一个函数

 

 REGEXP_SUBSTR与SUBSTR函数相同，返回截取的子字符串 

REGEXP_SUBSTR(srcstr, pattern [, position [, occurrence [, match_option]]]) 

注： 

srcstr 源字符串 

pattern 正则表达式样式 

position 开始匹配字符位置 

occurrence 匹配出现次数 

match_option 匹配选项（区分大小写）

 

 

SELECT regexp_substr('1PSN/231_3253/ABc', '[[:alnum:]]+') FROM dual; 

Output: 1PSN 

[[:alnum:]]+ 表示匹配1个或者多个字母或数字字符

 

 

SELECT regexp_substr('1PSN/231_3253/ABc', '[[:alnum:]]+', 1, 2) FROM dual; 

Output: 231 

与上面一个例子相比，多了两个参数

1 表示从源字符串的第一个字符开始查找匹配

2 表示第2次匹配到的字符串（默认值是“1”，如上例） 

 

 

select regexp_substr('@@/231_3253/ABc','@*[[:alnum:]]+') from dual; 

Output: 231 

@* 表示匹配0个或者多个@ 

[[:alnum:]]+ 表示匹配1个或者多个字母或数字字符

注意：需要区别“+”和“*”的区别

 

 

select regexp_substr('1@/231_3253/ABc','@+[[:alnum:]]*') from dual; 

Output: @

@+ 表示匹配1个或者多个@ 

[[:alnum:]]* 表示匹配0个或者多个字母或数字字符

 

 

select regexp_substr('1@/231_3253/ABc','@+[[:alnum:]]+') from dual; 

Output: Null 

@+ 表示匹配1个或者多个@ 

[[:alnum:]]+ 表示匹配1个或者多个字母或数字字符

 

 

select regexp_substr('@1PSN/231_3253/ABc125','[[:digit:]]+$') from dual; 

Output: 125 

[[:digit:]]+$ 表示匹配1个或者多个数字结尾的字符

 

 

select regexp_substr('1@/231_3253/ABc','@+[[:alnum:]]+') from dual; 

Output: Null 

@+ 表示匹配1个或者多个@ 

[[:alnum:]]+ 表示匹配1个或者多个字母或数字字符

 

 

select regexp_substr('@1PSN/231_3253/ABc125','[[:digit:]]+$') from dual; 

Output: 125 

[[:digit:]]+$ 表示匹配1个或者多个数字结尾的字符

 

 

select regexp_substr('@1PSN/231_3253/ABc','[^[:digit:]]+$') from dual; 

Output: /ABc 

[^[:digit:]]+$ 表示匹配1个或者多个不是数字结尾的字符

 

 

select regexp_substr('Tom_Kyte@oracle.com','[^@]+') from dual; 

Output: Tom_Kyte 

[^@]+ 表示匹配1个或者多个不是“@”的字符

 

 

select regexp_substr('1PSN/231_3253/ABc','[[:alnum:]]*',1,2) 

from dual; 

Output: Null 

[[:alnum:]]* 表示匹配0个或者多个字母或者数字字符

注：因为是匹配0个或者多个，所以这里第2次匹配的是“/”（匹配了0次），而不是“231”，所以结果是“Null”

 

 

这里我们有时候会查询字符串里asdfafd<main>dafda 这里我们要取出<main>这个字符串

Select regexp_substr('asdfafd<main>dafda','<[^>]+>') from dual

Output: <main> 

这里我们在<>中间去一个^>这样在匹配<之后，在向后查询的时候确保在匹配到>之前不再在有>,不然的话就要有可以出错的情况。

 

 

Select regexp_substr('asdfafd<main>da>fda','<[^<]+>') from dual

Output: <main>da>

在这个例子中，我们在<main>之后还在da>，这样的话，如果我们没有添加^>，正则表达式就会向后继续去匹配，直到最后一个>为至，这样就会出现偏差

 

 

这个通常用来实现字符串的列传行

select regexp_substr('123;234;345;456;567;678;789','[^;]+',1,rownum) from dual

connect by rownum <= length('123;234;345;456;567;678;789') - length(replace('123;234;345;456;567;678;789',';'))+1

Output:  123

234

345

456

567

678

789

这里length这里操作是先得到有多少个“;”，再通过 connect by rownum方式来做一行成多行的操作，在变成多行之后，可以通过regexp_substr来取字符串的操作

 

接着上一个例子

a,b,c,d,e,d,f,a,n这样的一个字符串，我们现在要把字符串里一些重复去掉，这样的话结果是a,b,c,d,e,f,n去掉了d与a的两个字符串

select wm_concat(new_row) from (

select distinct regexp_substr('a,b,c,d,e,d,f,a,n','[^,]+',1,rownum) new_row from dual

connect by rownum<=length('a,b,c,d,e,d,f,a,n')-length(replace('a,b,c,d,e,d,f,a,n',',')))

通过转成多行的，再用distinct 去掉重复，然后我们再通过wm_concat来字符串合并来完成。

 

 

再来一个ip格式转换的例子吧，我们一般的IP的格式是12.19.168.27现在要不足3位的补足前面为0，结果是012.019.168.027

select wm_concat(new_value) from (

select 

lpad(regexp_substr('12.19.168.27','[^.]+',1,rownum) ,3,'0') new_value,rownum

from dual

connect by rownum<5

order by rownum)

 

 

来一个验证IP是数字是否正确

select count(*) from(

select 

lpad(regexp_substr('12.19.168.27','[^.]+',1,rownum) ,3,'0') new_value,rownum

from dual

connect by rownum<5)

where new_value>=0 and new_value<256

having count(*) =4

 

 

来一个IP字符串格式转换成数字型IP

select sum(new_value*power(256,4-rm)) from (

select regexp_substr('12.19.168.27','[^.]+',1,rownum) new_value,rownum rm from dual

connect by rownum<=4

)

 

 

接下来介绍一个regexp_instr函数

 

REGEXP_INSTR 函数使用正则表达式返回搜索模式的起点和终点。REGEXP_INSTR 的语法如下所示。REGEXP_INSTR 返回一个整数，指出搜索模式的开始或结束的位置，如果没有发现匹配的值，则返回0。

 

语法： 

2.REGEXP_INSTR与INSTR函数相同，返回字符串位置 

REGEXP_INSTR(srcstr, pattern [, position [, occurrence [, return_option [,match_option]]]]) 

与REGEXP_SUBSTR一样，它也有变量pattern、position(开始位置)、occurrence 和match_parameter；这里主要介绍一下新参数return_option 的作用，它允许用户告诉Oracle，模式出现的时候，要返回什么内容。

 

Select regexp_instr('asdfafd<main>da>fda','sd') from dual

Output:2

这里去查询sd的位置，这个和instr是在相同的

 

 

Select regexp_instr('asdfafd<main>da>fda','da',1,2) from dual

这里是查询da第二出现的位置

 

还有我们经常会遇到一种情况是，查询某个字段，如果是等于“上海”或“北京”或者我们温州就写成大城市，其它的写成小城市，我们一般会考虑使用decode这种方式

 

Select decode('上海','上海','大城市','北京' ,'大城市' ,'温州' ,'大城市','小城市') from dual

只有两个我们可能觉的sql也不是很冗长，如果有四五个的话，就有点长了，这里使用regexp_instr就可以很多的去操作

 

Select decode (regexp_instr('北京','^(上海|北京|温州)'),0,'小城市', '大城市') from dual

通过regexp_instr不匹配时为0的条件，这样就可以完成了

 

 

 

最后一个函数regexp_replace

REGEXP_REPLACE 函数是用另外一个值来替代串中的某个值。例如，可以用一个匹配数字来替代字母的每一次出现。REGEXP_REPLACE的格式如下所示

 

语法： 

4.REGEXP_REPLACE与REPLACE函数相同，替换原字符串中的字符内容 

REGEXP_REPLACE(srcstr, pattern [,replacestr [, position [, occurrence [,match_option]]]])

 

 

这个替换函数还是一个非常好用的。

如我们在有一个字符串adfadfa (main) next 现在我们要把()替换成<>，这里我们可能想用replace就可以搞定了，但是我们现在做的是(之后必须有)这样的()我们才替换把<>.

select regexp_replace('adfadfa (main) next ','(\()([^\)]*)(\))','<\2>') from dual

output: adfadfa <main> next

这里还是一个\做为转义字符。

 

再来一个ip格式转换的例子吧，我们一般的IP的格式是12.19.168.27现在要不足3位的补足前面为0，结果是012.019.168.027

select regexp_replace(

regexp_replace('12.19.168.27','([0-9]{1,3}).([0-9]{1,3}).([0-9]{1,3}).([0-9]{1,3})',

'00\1.00\2.00\3.00\4') ,

'([0-9]*)([0-9]{3}\.)([0-9]*)([0-9]{3}\.)([0-9]*)([0-9]{3}\.)([0-9]*)([0-9]{3}$)','\2\4\6\8')

from dual

output: 012.019.168.027

这里我分成两步来操作，regexp_replace('12.19.168.27','([0-9]{1,3}).([0-9]{1,3}).([0-9]{1,3}).([0-9]{1,3})',

'00\1.00\2.00\3.00\4')我首先让每个小字符串做添加0，这样每个字符串都会大于3，再

'([0-9]*)([0-9]{3}\.)([0-9]*)([0-9]{3}\.)([0-9]*)([0-9]{3}\.)([0-9]*)([0-9]{3}$)','\2\4\6\8')

这整个字符串分成8段，这样我们只要2、4、6、8这四个段就可以了。

 

 

下面一个例子中，在每两个字符之间插入一个空格符

SELECT regexp_replace('YAHOO', '(.)', '\1 ') AS output FROM dual; 

Output: Y A H O O

这个用一个循环的方式去操作，还蛮很好的。

 

 

select regexp_replace(

regexp_replace('12.19.168.27','([^.]+)'

,'00\1') 

,'([^.]*)([^.]{3})','\2')

from dual

接着刚才那个，我们可以把replace循环替换的方式来操作。