odps sql 常用正则表达式

regexp_substr

• 命令格式：
  regexp_substr(source, pattern[,start_position[,nth_occurrence]])
• 返回值：
  source中匹配pattern指定模式的子串，任一输入参数为NULL返回NULL。
• 参数说明：
• • source: string类型，搜索的字符串。
• • pattern: string类型常量，要匹配的模型，pattern为空串时抛异常。
• • start_position: 整型常量，必须大于0。其它类型或小于等于0时抛异常，不指定时默认为1， 表示从source的第一个字符开始匹配。
• • nth_occurrence:整型常量，必须大于0，其它类型或小于等于0时抛异常。不指定时默认为1，表示返回第一次匹配的子串。
• 用途：
  返回字符串source从start_position开始, 和pattern第n次（nth_occurrence）匹配的子串，没有匹配时返回NULL。

示例：

- 提取字符串中的数字
select regexp_substr('CYJ8-ABC','[0-9]+') ;
 >8 
 select regexp_substr('mint choc中文12国3','[0-9]+',1,1);
 >12
 select regexp_substr('mint choc中文12国3','[0-9]+',1,2);
>3
SELECT  regexp_substr('MLSP1_341',"[0-9]+",1,1)
>1
SELECT  regexp_substr('MLSP1_341',"[0-9]+",1,2)
>341
SELECT  split_part('MLSP1_341','_',1)
>MLSP1
SELECT  split_part('MLSP1_341','_',2)
>341

regexp_replace

• 命令格式：
  regexp_replace(source, pattern, replace_string, occurrence)

• 返回值：
  将source字符串中匹配pattern的子串替换成指定字符串后返回，当输入source, pattern, occurrence参数为NULL时返回NULL，若replace_string为NULL且pattern有匹配，返回NULL，replace_string为NULL但pattern不匹配，则返回原串。

• 参数说明：

• • source: string类型，要替换的字符串。
• • pattern: string类型常量，要匹配的模式，pattern为空串时抛异常。
• • replace_string:string，将匹配的pattern替换成的字符串。
• • occurrence: bigint类型常量，必须大于等于0，表示将第几次匹配替换成replace_string，为0时表示替换掉所有的匹配子串。其它类型或小于0抛异常。
• • 当引用不存在的组时，不进行替换。

例如：

regexp_replace("123.456.7890","([[:digit:]]{3})\\.([[:digit:]]{3})\\.([[:digit:]]{4})","(\\1)\\2-\\3",0) 结果为(123)456-7890

regexp_replace("abcd","(.)","\\1 ",0) 结果为"a b c d "

regexp_replace("abcd","(.)","\\1 ",1) 结果为"a bcd"

regexp_replace("abcd","(.)","\\2",1) 结果为"abcd"，因为pattern中只定义了一个组，引用的第二个组不存在。

regexp_replace("abcd","(.*)(.)$","\\2",0) 结果为"d"

regexp_replace("abcd","a","\\1",0)，结果为” \1bcd”，因为在pattern中没有组的定义，所以\1直接输出为字符。

RLIKE == REGEXP

元字符	说明
^	匹配开头
$	匹配结尾
.	匹配任意单个字符
*	匹配0个或多个前一个得到的字符。例如，zo* 能匹配 “z” 以及 “zoo”。* 等价于{0,}
+	匹配1次或多次前一个得到的字符。例如，‘zo+’ 能匹配 “zo” 以及 “zoo”，但不能匹配 “z”。+ 等价于 {1,}
?	匹配0次或1次
?	匹配修饰符，当该字符跟在任何一个其他限制符 (* 、+、?、 {n}、 {n,}、 {n,m}）后面时，匹配模式为非贪婪模式。非贪婪模式尽可能少的匹配所搜索的字符串， 而默认的贪婪模式则尽可能多的匹配所搜索的字符串
A|B	匹配A或B
(…)	将模式元素组成单一元素
{n}	匹配确定的 n 次。例如，‘o{2}’ 不能匹配 “Bob” 中的 ‘o’，但是能匹配 “food” 中的两个 o
{n,m}	m 和 n 均为非负整数，其中n <= m。最少匹配 n 次且最多匹配 m 次。
[…]	匹配出括号内的任意字符
[^…]	匹配不包含在[]的字符
[a-d]	匹配a、b、c、d任一字符

解释

元字符	说明
^a	匹配开头，如^a匹配以a或者A开头的字符串
a$	匹配结尾，如a$匹配以a或者A结尾的字符串
a*	匹配出0个或多个a (包括空符）
a+	匹配出1个或多个a （不包括空符）
a?	匹配出1个或0个a
a（m）	匹配m个a
a(m,)	匹配m个或更多个a
a(m,n)	匹配m到n个a
a(,n)	匹配0到n个a
(abc)*	匹配abc序列0次或多次。abc是一个整体
A|B	例如，‘z|food’ 能匹配 “z” 或 “food”。’(z|f)ood’ 则匹配 “zood” 或 “food”
[ab]	匹配括号中的任一字符。模式匹配a或b
[…^]	匹配补充括号内的任意字符

举例1

^ 匹配字符串开始位置，查询所有姓王的人名
select name from 表名 where name regexp '^王';

$ 匹配字符串结束位置，如查询所有姓名末尾是“明”的人名
select name from 表名 where name regexp '明$';

. 匹配除\n之外的任意单个字符，类似于_

[……] 匹配[]中包含的任何一个字符abcdef……xyz可以简写为[a-z]，0123456789简写成[0-9]，
如查询出包含w／z／s的人名
select name from 表名 where name regexp '[wzs]';
如查询出不包含w／z／s的人名
select name from 表名 where name regexp '[^wzs]';
如查询出w／z／s开头的的人名
select name from 表名 where name regexp '^[wzs]';

[^……] 匹配不包含在[]的字符，如查询出除了w／z／s开头之外的人名
select name from 表名 where name regexp '^[^wzs]';
 
a|b|c  匹配a或b或c，如将绩效为A-或A或A+的员工查出来，假设绩效列名performance
select performance from 表名 where performance regexp 'A-|A|A+';

* 匹配前面的子表达式0次或多次   * 等价于{0,}
'str*'可以匹配st/str/strr/strrr……

? 重复0次或1次
'str?' 可以匹配st/str

+ 重复1次或多次  + 等价于 {1,}
'str+'可以匹配str/strr/strrr/strrrr……

** 举例2**

SELECT 'abvsdfcsd' REGEXP'^a'  
--->1
返回结果1表示匹配，返回结果0表示不匹配.匹配到开头为a返回1

SELECT 'abvsdfcsd' REGEXP'd$'
--->1
匹配到末尾为d返回1

SELECT 'abvsdfcsd' REGEXP'.f','abvsdfcsd' REGEXP'.h'
--->1   0
匹配到其后面的字符返回为1

SELECT 'abvsdfcsd' REGEXP '[fhk]'
--->1
任意字符匹配上即返回为1


SELECT 'efg' REGEXP '^[XYZ]','efg' REGEXP '[^XYZ]','efg' REGEXP '^[^XYZ]';
--->0 1 1
REGEXP '^[XYZ]'    查询以X Y Z 开头的
REGEXP '[^XYZ]'    查询不包含X Y Z 的
REGEXP '^[^XYZ]'   查询 不以X Y Z 开头的

SELECT  'abc' REGEXP '[^a]'
--->1     'abc'作为一个整体，所以它匹配不了a

SELECT 'stab' REGEXP '.ta*b';
--->1  
匹配到一个t  0个或多个a  一个 b返回1

SELECT 'stab' REGEXP '.tba*';
--->0
注意区别

SELECT '' REGEXP 'a*'
--->1    包括字符串。可以当占位符使用

SELECT 'stab' REGEXP '.ta+b';
--->1
 SELECT 'stb' REGEXP '.ta+b';
 --->0
SELECT 'stb' REGEXP '.ta?b';
--->1
SELECT 'stab' REGEXP '.ta?b';
--->1
SELECT 'staab' REGEXP '.ta?b';
--->0


SELECT 'a' REGEXP 'a|b';
--->1
匹配a或b

SELECT 'b' REGEXP 'a|b';
--->1
SELECT 'b' REGEXP '^(a|b)';
--->1
SELECT 'a' REGEXP '^(a|b)';
--->1
ELECT 'c' REGEXP '^(a|b)';
--->0
^符合只有在[]内才是取反的意思，在别的地方都是表示开始处匹配　


a{m}
匹配m个a
SELECT 'auuuuc' REGEXP 'au{4}c';
---> 1 
 SELECT 'auuuuc' REGEXP 'au{3}c';
--->0

a{m,}
匹配m个或者更多个a
SELECT 'auuuuc' REGEXP 'au{3,}c';
--->1 
SELECT 'auuuuc' REGEXP 'au{4,}c';
---> 1 
 SELECT 'auuuuc' REGEXP 'au{5,}c';
---> 0 

a{m,n}
匹配m到n个a,包含m和n
SELECT 'auuuuc' REGEXP 'au{3,5}c';
--->1 
SELECT 'auuuuc' REGEXP 'au{4,5}c';
 --->1 
 SELECT 'auuuuc' REGEXP 'au{5,10}c';
--->0 

(abc)
将abc作为一个序列匹配，不用括号括起来都是用单个字符去匹配，如果要把多个字符作为一个整体去匹配就需要用到括号，所以括号适合上面的所有情况。
 SELECT 'xababy' REGEXP 'x(abab)y';
--->  1 
 SELECT 'xababy' REGEXP 'x(ab)*y';
--->  1 
SELECT 'xababy' REGEXP 'x(ab){1,2}y';
--->1 

举例3

b.capacity_name IN ( "初级经销商","区级代理商","中级经销商", "市级代理商", "省级代理商", "高级经销商", "特约经销商" ) ;
b.`capacity_name` REGEXP '^(初级|区级|特约|高级|中级|市级|省级)(经销商|代理商)$'；
b.capacity_name  REGEXP '^.{2,}(经销商|代理商)$'；
以任意字符开头且大于等于2个，同时以经销商或者代理商结尾

LIKE

在LIKE匹配时，%表示匹配任意多个字符，_表示匹配单个字符，如果要匹配%或_本身，则要对其进行转义，\%匹配字符%， \匹配字符。

'abcd' like 'ab%' -- true
'abcd' like 'ab_' -- false
'ab_cde' like 'ab\\_c%'; -- true

转义符
系统采用反斜线\作为转义符，因此正则表达式的模式中出现的\都要进行二次转义
其中+是正则中的一个特殊字符，因此要用转义的方式表达，在正则引擎中的表达方式是a\+b。由于系统还要解释一层转义，因此能够匹配该字符串的表达式是a\+b

select 'a+b' rlike 'a\\\+b' from test_dual;
>true

select 'a\\b', 'a\\b' rlike 'a\\\b' from test_dual;
>| a\b   | false 
select 'a\\b', 'a\b' rlike 'a\\\b' ;
>|a\b	|true

Reference:
https://www.cnblogs.com/aaronthon/p/8479841.html
https://help.aliyun.com/document_detail/27871.html?spm=a2c4g.11186623.4.1.20b119bc6z0b7d