4.1.4 正则表达式函数
本节介绍正则表达式及相关的Oracle数据库函数。使用这些函数可以在字符串中搜索字符模式。例如,假设有下列年份:
1965 1968 1971 1970 |
如果希望获得1965年和1968年之间的年份(包括1965年和1968年),就可以使用下面的正则表达式实现这种功能:
^196[5-8]$ |
正则表达式中包含许多元字符(metacharacter)。在上面这个例子中,^、[5-8]以及$都是元字符。^可以匹配一个字符串的开头;[5-8]可以匹配介于5~8之间的数字;$可以匹配一个字符串的结尾。因此,^196可以匹配以196开头的字符串;[5-8]$可以匹配以5、6、7或8结尾的字符串。而^196[5-8]$就可以匹配1965、1966、1967和1968,这就是想要的结果。
在下面这个例子中,假设有如下字符串,其中引用了莎士比亚的《罗密欧与朱丽叶》中的一句台词:
But, soft! What light through yonder window breaks? |
如果想查找子字符串light,可以对引用的字符串应用下面的正则表达式:
l[[:alpha:]]{4} |
在这个例子中,[[:alpha:]]和{4}都是元字符。[[:alpha:]]可以匹配A-Z或a-z之间的字符;{4}表示前面的匹配模式可以重复4次。当l、[[:alpha:]]和{4}一起使用时,可以匹配以 l 开头的5个字母组成的序列。因此,当对这个字符串应用正则表达式 l[[:alpha:]]{4}时,就可以匹配子字符串light。
表4-7列出了在正则表达式中可以使用的部分元字符,同时还给出了这些元字符的意思以及使用这些元字符的简单例子。
表4-7 正则表达式中的元字符
元 字 符 | 意 思 | 例 子 |
\ | 说明要匹配的字符是一个特殊字符、常量或者反向引用。(反向引用重复上一次匹配。) | \n 匹配换行符 \\ 匹配 \ \( 匹配( \) 匹配) |
^ | 匹配字符串的开头位置 | 如果A是字符串中的第一个字符,^A 匹配A |
$ | 匹配字符串的末尾位置 | 如果B是字符串中的最后一个字符,$B匹配B |
* | 匹配前面的字符0次或多次。 | ba*rk 可以匹配 brk、bark、baark等等 |
+ | 匹配前面的字符1次或多次。 | ba+rk 可以匹配bark、baark等等,但是不能匹配brk |
? | 匹配前面的字符0次或1次 | ba?rk 只能匹配brk和bark |
{n} | 匹配一个字符恰好n次,其中n是一个整数 | hob{2}it 可以匹配hobbit |
(续表)
元 字 符 | 意 思 | 例 子 | |
{n,m} | 匹配一个字符至少n次,最多m次,其中n和m都是整数 | hob{2,3}it 只能匹配hobbit和hobbbit | |
. | 匹配除null之外的任意单个字符 | hob.it 可以匹配hobait、hobbit等等 | |
(pattern) | 匹配指定模式的一个子表达式。可以使用子表达式构成复杂的正则表达式。在这种子表达式中,可以访问单次的匹配,称为捕获(capture) | anatom(y|ies) 可以匹配anatomy和anatomies | |
x|y | 匹配x或y,其中x和y是一个或多个字符 | war|peace 可以匹配 war 或 peace | |
[abc] | 匹配中括号内的任意一个字符 | [ab]bc 可以匹配 abc 和 bbc | |
[a-z] | 匹配指定范围内的任意一个字符 | [a-c]bc 可以匹配 abc、bbc和cbc | |
[: :] | 指定一个字符类,可以匹配该类中的任何字符 | [:alphanum:] 可以匹配字符0-9、A-Z和a-z [:alpha:] 可以匹配字符A-Z和a-z [:blank:] 可以匹配空格或tab键 [:digit:] 可以匹配数字 0-9 [:graph:] 可以匹配非空字符 [:lower:] 可以匹配小写字母a-z [:print:] 与 [:graph:] 类似,不同之处在于[:print:] 包括空格字符 [:punct:] 可以匹配标点符号.,'''等等 [:space:] 可以匹配所有的空白字符 [:upper:] 可以匹配所有的大写字母A~Z [:xdigit:] 可以匹配十六进制数字0~9、A~F和a~f | |
[..] | 匹配一个组合元素,例如多字符元素 | 无 | |
[==] | 指定等价类 | 无 | |
\n | 这是对前一次捕获的一个反向引用,其中n是一个正整数 | (.)\1 可以匹配两个连续相同的字符。(.)可以匹配除null之外的任何单个字符,而 \1 则重复上次匹配的内容,即再次匹配相同的字符,因此可以匹配两个连续相同的字符 |
Oracle Database 10g Release 2新增加了很多类似于Perl的元字符,如表4-8所示。
表4-8 类似于Perl的元字符
元 字 符 | 含 义 |
\d | 数字字符 |
\D | 非数字字符 |
\w | 字母字符 |
\W | 非字母字符 |
\s | 空白字符 |
\S | 非空白字符 |
(续表)
元 字 符 | 含 义 |
\A | 只匹配字符串的开头位置 |
\Z | 只匹配字符串的末尾位置或者字符串末尾的换行符之前的位置 |
*? | 匹配前面的模式元素0次或多次 |
+? | 匹配前面的模式元素1次或多次 |
?? | 匹配前面的模式元素0次或1次 |
{n} | 匹配前面的模式元素恰好n次 |
{n,} | 匹配前面的模式元素至少n次 |
{n,m} | 匹配前面的模式元素至少n次,但不超过m次 |
表4-9列出了正则表达式函数。正则表达式函数是在Oracle Database 10g中新增加的, Oracle Database 11g中又增加了一些条目,如下表所示。
表4-9 正则表达式函数
函 数 | 说 明 |
REGEXP_LIKE( x, pattern [, match_option]) | 从x中搜索pattern参数中定义的正则表达式。可以使用match_option修改默认匹配选项,该参数可以被设置为: • 'c',说明在匹配时区分大小写(默认选项) • 'I',说明在匹配时不区分大小写 • 'n',允许使用可以匹配任意字符的操作符 • 'm',将x作为一个包含多行的字符串 |
REGEXP_INSTR( x, pattern [, start [, occurrence [, return_option [, match_option [, subexp_option]]]]) | 在x中查找pattern,并返回pattern所在的位置。可以指定以下的可选参数: • start 开始查找的位置。默认值是1,指x的第一个字符。 • occurrence 说明应该返回第几次出现pattern的位置。默认值是1,这意味着函数返回pattern第一次在x中出现的位置。 • return_option 说明应该返回什么整数。若该参数为0,则说明要返回的整数是x中的第一个字符的位置;若该参数为非0的整数,则说明要返回的整数为x中出现在pattern之后的字符的位置 • match_option 修改默认的匹配设置,其工作方式与REGEXP_LIKEK()中指定的方式相同。 • subexp_option是Oracle Database 11g新增加的,其工作方式如下:对于具有子表达式的模式,subexp_option是0~9之间的一个非负数,指出pattern中的哪个子表达式是函数的目标。例如,考虑表达式0123(((abc)(de)f)ghi)45(678),此表达式有5个子表达式,分别是:"abcdefghi"、"abcdef"、"abc"、"de"和"678"。 |
(续表)
函 数 | 说 明 |
REGEXP_REPLACE(x, pattern [, replace_string [, start [, occurrence [, match_option]]]]) | 在x中查找pattern,并将其替换为replace_string。其他选项的意思与 REGEXP_INSTR()函数的参数完全相同 |
REGEXP_SUBSTR( x, pattern [, start [, occurrence [, match_option [, subexp_option]]]]) | 返回x中可以匹配pattern的一个子字符串,其开始位置由start指定。其他选项的意思与 REGEXP_INSTR()函数的参数完全相同。Oracle Database 11g新增加的subexp_option其工作方式与REGEXP_INSTR()函数中相同 |
REGEXP_COUNT( x, pattern [, start [, match_option]])
| 这是Oracle Database 11g新增加的一个函数。在x中查找pattern,并返回pattern在x中出现的次数。可以提供以下两个可选参数: • start 开始查找的位置。默认值是1,指x的第一个字符。 • match_option 修改默认的匹配设置,其工作方式与REGEXP_LIKEK()中相同 |
接下来的几节将会介绍更多有关正则表达式函数的知识。
1. REGEXP_LIKE()
REGEXP_LIKE(x, pattern [, match_option])用于在x中查找pattern参数中定义的正则表达式,该函数还可以提供一个可选参数match_option,它可以设置为下面几个字符之一:
● 'c',说明在匹配时区分大小写(默认选项)
● 'I',说明在匹配时不区分大小写
● 'n',允许使用可以匹配任意字符的操作符
● 'm',将x 作为一个包含多行的字符串
下面这个查询使用REGEXP_LIKE函数检索生日在1965年到1968年之间的顾客:
SELECT customer_id, first_name, last_name, dob
CUSTOMER_ID FIRST_NAME LAST_NAME DOB |
下面这个查询检索名字以J或j开头的顾客。注意传递给REGEXP_LIKE()的正则表达式是 ^j,匹配选项是i,这说明不区分大小写,因此在本例中,^j 可以匹配J或j:
SELECT customer_id, first_name, last_name, dob
CUSTOMER_ID FIRST_NAME LAST_NAME DOB |
2. REGEXP_INSTR()
REGEXP_INSTR(x, pattern [, start [, occurrence [, return_option [, match_option]]]])用于在x中查找pattern;REGEXP_INSTR()返回pattern出现的位置。匹配位置从1开始。
下面这个查询使用REGEXP_INSTR函数返回匹配正则表达式 l[[:alpha:]]{4}的位置:
SELECT RESULT |
注意返回值为17,这是light中l的位置。
下面这个查询返回第二次匹配正则表达式 s[[:alpha:]]{3}的位置,匹配位置从1开始:
SELECT
RESULT |
下面这个查询使用REGEXP_INSTR函数返回第二次匹配字母 o 的位置,匹配位置从10开始:
SELECT RESULT |
3. REGEXP_REPLACE()
REGEXP_REPLACE(x, pattern [, replace_string [, start [, occurrence[, match_option]]]])用于在x中查找pattern,并将其替换为 replace_string。
下面这个查询使用REGEXP_REPLACE函数将匹配正则表达式 l[[:alpha:]]{4}的子字符串替换为字符串 sound:
SELECT RESULT |
注意light已经被替换为sound。
4. REGEXP_SUBSTR()
REGEXP_SUBSTR(x, pattern[, start [, occurrence[, match_option]]])用于在x中查找匹配pattern的子字符串,开始位置由 start指定。
下面这个查询使用REGEXP_SUBSTR函数返回匹配正则表达式 l[[:alpha:]]{4}的子字符串:
SELECT RESUL |
5. REGEXP_COUNT()
REGEXP_COUNT()是Oracle Database 11g新增加的一个函数。REGEXP_COUNT(x, pattern[, start [,match_option]])用于在x中查找pattern,并返回pattern在x中出现的次数。可以提供可选参数start,指出要从x中开始查找pattern的那个字符;也可以提供可选的match_option字符串,指出匹配选项。
下面这个查询使用REGEXP_COUNT函数返回正则表达式s[[:alpha:]]{3}出现的次数:
SELECT RESULT |
注意返回结果是2,这表明正则表达式在提供的字符串中有两次匹配。