数据过滤——正则表达式
- 正则表达式(Regular Expression):是用来匹配文本的特殊的串(字符集合)。作用是匹配文本,将一个模式(正则表达式)与一个文本串进行比较。
- 但要注意,MySQL中的正则表达式仅支持正则表达式中的一小部分内容!
1. 基本字符匹配——特殊字符(.)
- REGEXP关键字:正则表达式的标识符,用于告诉数据库后面所跟的内容为正则表达式处理。
- 特殊字符**(.)**:作用是匹配任意一个字符
- 匹配不区分大小写:MySQL中的正则表达式匹配默认不区分大小写,为了实现区分大小写的功能,可以使用BINARY关键字,如
WHERE prod_name REGEXP BINARY 'Jet'
- 与LIKE的区别:LIKE会匹配整个列,如果被匹配的文本在列值中出现,LIKE将不能返回相应的行(除非使用通配符),但REGEXP是在列值内进行匹配,如果被匹配的文本在列值中出现,REGEXP将会返回相应的行。
SELECT prod_name
FROM products
WHERE prod_name REGEXP '1000'
ORDER BY prod_name;
+--------------+
| prod_name |
+--------------+
| JetPack 1000 |
+--------------+
SELECT prod_name
FROM products
WHERE prod_name REGEXP '.000'
ORDER BY prod_name;
+--------------+
| prod_name |
+--------------+
| JetPack 1000 |
| JetPack 2000 |
+--------------+
2. OR匹配——特殊字符(|)
- 特殊字符(|):匹配给定值其中之一,功能上类似于使用OR的SELECT语句,但多个OR可以并入单个使用|的正则表达式中。
SELECT prod_name
FROM products
WHERE prod_name REGEXP '1000|2000|3000'
ORDER BY prod_name;
SELECT prod_name
FROM products
WHERE prod_name = '1000' OR prod_name = '2000' OR prod_name = '3000';
3. 匹配几个字符之一——特殊字符([ ])
- 特殊字符([ ]):另一种形式的OR语句,是使用多个|特殊字符的简写,例如[123]就是[1|2|3]的简写。
- 字符集合也可以被否定,即,它们将匹配除了指定字符以外的任何字符
- [ | ]配合使用,需要使用[ ]来指定OR语句查找的内容,例如’1|2|3 Ton’,MySQL会认为你查找的是1、2或3 Ton,除非将123和|括在集合中,否则它将应用于整个串。
SELECT prod_name
FROM products
WHERE prod_name REGEXP '[123] Ton'
ORDER BY prod_name;
+-------------+
| prod_name |
+-------------+
| 1 ton anvil |
| 2 ton anvil |
+-------------+
SELECT prod_name
FROM products
WHERE prod_name REGEXP '1|2|3 Ton'
ORDER BY prod_name;
+---------------+
| prod_name |
+---------------+
| 1 ton anvil |
| 2 ton anvil |
| JetPack 1000 |
| JetPack 2000 |
| TNT (1 stick) |
+---------------+
4. 匹配范围——特殊字符(-)
- 特殊字符(-):可以用来定义一个范围,一般与[ ]配合使用,例如[0-9]等同于[0123456789]
- 范围不限于完整的集合,例如[1-3]、[5-9]也是合法的,此外,范围不一定是数值,如[a-z]可以匹配任意字母字符
5. 匹配特殊字符——转义字符\\
-
转义字符\\(escaping):匹配特殊字符时,用来取消其特殊含义的字符,这种功能称为转义。如为了匹配-字符,需要使用’\\-’
- 匹配反斜杠\:为了匹配反斜杠本身,需要使用\\\
- \或\\:多数正则表达式的实现是使用单个反斜杠作为转义字符,但MySQL要求使用两个反斜杠作为转义字符(MySQL解释一个,正则表达式库解释另一个)
-
转义字符也可以用来引用元字符(具有特殊含义的字符),如下表:
-
元字符 说明 \\f 换页符 \\n 换行符 \\r 回车符 \\t 制表符 \\v 纵向制表符
-
6. 匹配字符类
-
字符类(character class):预定义的字符集,方便实现对应的匹配
-
字符类 说明 [:alnum:] 任意字母和数字(同[a-zA-Z0-9]) [:alpha:] 任意字符(同[a-zA-Z]) [:blank:] 空格和制表符(同[\\t]) [:cntrl:] ASCII控制字符(ASCII 0到31和127) [:digit:] 任意数字(同[0-9]) [:graph:] 与[:print:]相同,但不包括空格 [:lower:] 任意小写字母(同[a-z]) [:print:] 任意可打印字符 [:punct:] 既不在[:alnum:]又不在[:cntrl:]中的任意字符 [:space:] 包括空格在内的任意空白字符(同[\\f\\n\\r\\t\\v]) [:upper:] 任意大写字母(同[A-Z]) [:xdigit:] 任意十六进制数字(同[a-fA-f0-9])
-
7. 匹配多个实例——限定符
- 匹配特定数量的文本
限定符 | 说明 |
---|---|
* | 0个或多个匹配 |
+ | 1个或多个匹配(同{1,}) |
? | 0个或1个匹配(同{0,1}) |
{n} | 指定数目的匹配 |
{n,} | 不少于指定数目的匹配 |
{n,m} | 匹配数目的范围(m不超过255) |
-
对限定符的补充说明,限定符是表示前面的子表达式出现的次数,比如zo*可以匹配z,zoo,默认情况子表达式是前一个字符,如果要多个字符需要括起来,如do(es)?
-
使用正则表达式时,写法往往是多种多样的,如:
-
# 匹配连在一起的任意4个数字 SELECT prod_name FROM products WHERE prod_name REGEXP '[:digit:]{4}' ORDER BY prod_name; SELECT prod_name FROM products WHERE prod_name REGEXP '[0-9][0-9][0-9][0-9]' ORDER BY prod_name;
-
8. 定位符
-
匹配特定位置的文本
-
定位符 说明 ^ 文本的开始 $ 文本的结尾 [[:<:]](MySQL8之前) 词的开始 [[:>:]](MySQL8之前) 词的结尾 -
^的双重用途:在集合中[ ]用来否定集合,否则就是定位符
-
使REGEXP起于LIKE类似的作用:通过^开始每个表达式,用$结束表达式,可以使REGEXP作用于LIKE一样,即匹配整个串
-
-
测试正则表达式:可以在不使用数据库表的情况下测试正则表达式,REGEXP检查将总是返回0(没有匹配)或1(匹配),可以用带文字串的REGEXP来测试,如:
SELECT 'hello' REGEXP '[0-9]';
# 匹配以数字或小数点开头的所有产品
SELECT prod_name
FROM products
WHERE prod_name REGEXP '^[0-9\\.]'
ORDER BY prod_name;
- 注意!!!:MySQL 8.0.4之前,使用MySQL使用Henry Spencer正则表达式库来支持正则表达式操作。但MySQL8.0.4只会,MySQL开始使用Unicode的国际组件(ICU)来支持正则表达式,这导致MySQL正则表达式支持语法有一些改变:
- Spencer库支持单词开头和单词结尾边界标记(
[[:<:]]
和[[:>:]]
表示法)。ICU没有。对于ICU,可以使用\b
来匹配单词边界。 - 对于重复计数(
{n}
和{m,n}
计数),Spencer库的最大值为255。ICU没有这样的限制,尽管可以通过设置regexp_time_limit
系统变量来限制匹配引擎步骤的最大数量 。 - ICU将圆括号()和方括号[]都解释为元字符,如果需要匹配他们则需要将其转义
- Spencer库支持单词开头和单词结尾边界标记(