正则表达式具有强大、便捷、高效的文本处理功能。能够添加、删除、分析、叠加、插入和修整各种类型的文本和数据。Oracle从10g开始支持正则表达式
下面通过一些例子来说明使用正则表达式来处理一些工作中常见的问题。
1.
REGEXP_SUBSTR
REGEXP_SUBSTR 函数使用正则表达式来指定返回串的起点和终点,返回与source_string 字符集中的VARCHAR2 或CLOB 数据相同的字符串。
语法:
–1.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)
1.1从字符串中截取子字符串
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:需要注意“+”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:]]+
′)fromdual;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:]]+
′)fromdual;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”
1.2匹配重复出现
查找连续2个小写字母
SELECT regexp_substr(‘Republicc Of Africaa’, ‘([a-z])\1’, 1, 1, ‘i’)
FROM dual;
Output: cc
([a-z])
表示小写字母a-z
\1
表示匹配前面的字符的连续次数
1
表示从源字符串的第1个字符开始匹配
1
第1次出现符合匹配结果的字符
i
表示区分大小写
1.3其他一些匹配样式
查找网页地址信息
SELECT regexp_substr(‘Go to http://www.oracle.com/products and click on database’, ‘http://([[:alnum:]]+.?){3,4}/?’) RESULT
FROM dual
Output: http://www.oracle.com
其中:
http://
表示匹配字符串“http://”
([[:alnum:]]+.?) 表示匹配1次或者多次字母或数字字符,紧跟0次或1次逗号符
{3,4}
表示匹配前面的字符最少3次,最多4次
/?
表示匹配一个反斜杠字符0次或者1次
提取csv字符串中的第三个值
SELECT regexp_substr(‘1101,Yokohama,Japan,1.5.105’, ‘[^,]+’, 1, 3) AS output
FROM dual;
Output: Japan
其中:
[^,]+
表示匹配1个或者多个不是逗号的字符
1
表示从源字符串的第一个字符开始查找匹配
3
表示第3次匹配到的字符串
注:这个通常用来实现字符串的列传行
–字符串的列传行
SELECT regexp_substr(‘1101,Yokohama,Japan,1.5.105’, ‘[^,]+’, 1, LEVEL) AS output
FROM dual
CONNECT BY LEVEL <= length(‘1101,Yokohama,Japan,1.5.105’) -
length(REPLACE(‘1101,Yokohama,Japan,1.5.105’, ‘,’)) + 1;
Output: 1101
Yokohama
Japan
1.5.105
这里通过LEVEL来循环截取匹配到的字符串。
下面这个例子,查找源字符串中是否包含 kid 、kids或者kidding 这三个字符串
SELECT CASE
WHEN regexp_like(‘Why does a kid enjoy kidding with kids only?’,
‘kid(s|ding)*’,
‘i’) THEN
‘Match Found’
ELSE
‘No Match Found’
END AS output
FROM dual;
Output: Match Found
其中:
kid
表示字符串kid
(s|ding)*
表示匹配0次或者多次字符“s”或者“ding”
i
表示不区分大小写
2.
REGEXP_INSTR
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。
具体如下面的例子所示:
–如果return_option 为0 则,Oracle 返回第一个字符出现的位置。这是默认值,与INSTR的作用相同
SELECT regexp_instr(‘abc1def’,
‘[[:digit:]]’) output
FROM dual;
Output: 4
–如果return_option 为1,则Oracle 返回跟在所搜索字符出现以后下一个字符的位置。
–例如,下面的查询返回了在串中发现的第一个数字后的位置:
SELECT regexp_instr(‘abc1def’,
‘[[:digit:]]’,1,1,1) output
FROM dual;
Output: 5
Oracle正则表达式(regularexpression)
元字符
字符含义
举例说明
^
匹配字符串的开始位置(在[]中使用,此时它表示不接受该字符集合。
^a:匹配以a开始的字符串
[^a]:匹配不含a的字符串
当使用在a-m表示范围;
当使用在第一个字符时表示
连字符串,如[-abc]
匹配字符结束位置‘a
’:匹配以a结束的字符串
.
匹配除换行符 n之外的任何单字符。
?
匹配前面的子表达式零次或一次
tr(y(ing)?):可以表示try或者trying
*
匹配前面的子表达式零次或多次
+
匹配前面的子表达式一次或多次
()
标记一个子表达式的开始和结束位置
a(b)*可以匹配
ab,abb,abbb,youabb
(c|d)匹配c或d
[]
标记一个中括号表达式
[cd]匹配选择c或d等同于
(c|d)。匹配的是单字符,[^cd]是匹配c,d之外的单字符。
[a-z]表示所有小写字母
{m,n}
m= <出现次数 <=n,’{m}’表示出现m次,’{m,}’表示至少出现m次。
|
表示或者的关系。指明两项之间的一个选择
字符簇
字符含义
[[:alpha:]]
任何字母。
[[:digit:]]
[[:digit:]] 任何数字。
[[:alnum:]]
任何字母和数
[[:space:]]
任何白字符。
[[:upper:]]
任何大写字母。
[[:lower:]]
任何小写字母。
[[:punct:]]
任何标点符号。
[[:xdigit:]]
任何16进制的数字,相当于[0-9a-fA-F]。
Oracle支持正则表达式的内置函数
名称
语法
备注
REGEXP_LIKE
REGEXP_LIKE
(source_string,
pattern
[, match_parameter]
)
source_string:
源字符串
Pattern:
正则表达式
match_parameter:
匹配模式(i:不区分大小写;c:区分大小写;n:允许使用可以匹配任意字符串的操作符;m:将x作为一个包含多行的字符串。
REGEXP_REPLACE
REGEXP_REPLACE
(source_string,
pattern
[,replace_string]
[,position]
[,occurtence]
[,match_parameter]
)
replace_string:
用于替换的字符串
Position:
开始搜索的起始位置
occurtence
指定替换第n次出现字符串
其他同上。
REGEXP_SUBSTR
REGEXP_SUBSTR
(source_string, pattern
[,position
[,occurrence
[,match_parameter]]]
)
Position:
指定在字符串中准确位置,默认为1
Occurrence:
指定在源字符串匹配过程中相对其他字符串,哪个字符串应该匹配。例如
select regexp_substr(‘The zip code
80831 is for falcon, co’,
‘[[:alpha:]]{3,}’, 1, 3)
from dual;
结果选择的是code而非The或zip。
REGEXP_INSTR
REGEXP_INSTR
(source_string,
pattern
[,start_position
[,occurrence
[,return_option
[,match_parameter]]]]
)
start_position:
开始搜索位置
Occurrence:
第n次出现pattern,默认为1
return_option:
0:pattern的起始位置
1:pattern下一个字符起始位置
默认为0
REGEXP_COUNT
REGEXP_COUNT
(source_string,
pattern
[[,start_position]
[,match_parameter]])
11g新增的函数,表示pattern在原字符串中出现的次数
start_position:
开始搜索的位置
Oracle支持正则表达式函数举例。
Regexp_substr:用来提取一个字符串的一部分。
Regexp_substr(‘first filed, second filed, thirdfiled’, ‘, [^,]*,’)
Pattern为’, [^,]*,’表示以,开始逗号,中间空一个格,连续0或多个非逗号字符,最后还是逗号,这样,返回则为’, second filed,’。
Regexp_instr:用来pattern的起始位置。
如有一组地址,返回邮编的位置
regexp_instr(‘Jone Smith,10045 Berry Lane,SanJoseph,CA
91234-1234’,’[[:digit:]]{5}([-[[:digit:]]{4}])?$’)
显然结果位置是91234-1234对应的起始位置。
Regexp_replace:用来将pattern替换成需要替换的字符串,相比传统的replace函数,该函数相比较灵活。例如:
‘Jone smith’中有三个空格,而’Jone smith’有2个空格,要将中间的空格改为一个空格,使用replace就要使用2次,而是用正则表达式,我们就就可以将pattern设计为
‘( ){2,}’这样
regexp_replace(mc,’( ){2,}’,’ ‘)
regexp_like是增强版的like,可以包含_和%通配符,使用在where条件中。
正则表达式特性—后向引用
通过将自表达式匹配的内容缓存到缓冲区中,从左相右进行编号,以/digit(digit为1-9)。而子表达式用圆括号表示。
1.在regexp_replace中应用:
将字符串’aa bb cc’反写成’cc bb aa’则可以设计如下:
regexp_replace(‘aa bbcc’,’(.) (.) (.*)’,’\3 \2 \1’)
(.*)则表示任何一个字符串组合,三个这样的组合用空格隔开,与源字符串吻合,\1,\2,\3则分别存储了三个字表达式的值,这样我们就可以使用这个达到目的。
2.在regexp_substr中应用:
查找被空格隔开的重复字母数字值
regexp_substr(‘the finaltest is is the implention’,’([[:alnum:]]+)([[:space:]]+)\1’)
返回结果为is is 。([[:alnum:]]+)([[:space:]]+)返回很多字符串,但是增加一个\1就表示连续返回两个同样字符串,这样就把重复的串给找出来。
补充
oracle的正则表达式
本文摘要:
10g正则表达式提高了SQL灵活性。
无关的空白检测,或者分解多个正则组成的字符串等问题。
10g支持正则表达式的四个新函数分别是:REGEXP_LIKE、REGEXP_INSTR、REGEXP_SUBSTR、和REGEXP_REPLACE。
正则表达式代替了老的百分号(%)和通配符(_)字符。
匹配输入字符串的开始位置,在方括号表达式中使用,此时它表示不接受该字符集合。
匹配前面的子表达式零次或一次。
目前,正则表达式已经在很多软件中得到广泛的应用,包括*nix(Linux, Unix等),HP等操作系统,PHP,C#,Java等开发环境。
Oracle 10g正则表达式提高了SQL灵活性。有效的解决了数据有效性, 重复词的辨认, 无关的空白检测,或者分解多个正则组成
的字符串等问题。
Oracle 10g支持正则表达式的四个新函数分别是:REGEXP_LIKE、REGEXP_INSTR、REGEXP_SUBSTR、和REGEXP_REPLACE。
它们使用POSIX 正则表达式代替了老的百分号(%)和通配符(_)字符。
特殊字符:
‘^’ 匹配输入字符串的开始位置,在方括号表达式中使用,此时它表示不接受该字符集合。
‘
′匹配输入字符串的结尾位置。如果设置了RegExp对象的Multiline属性,则
也匹配 ‘n’ 或 ‘r’。
‘.’ 匹配除换行符 n之外的任何单字符。
‘?’ 匹配前面的子表达式零次或一次。
‘*’ 匹配前面的子表达式零次或多次。
‘+’ 匹配前面的子表达式一次或多次。
‘( )’ 标记一个子表达式的开始和结束位置。
‘[]’ 标记一个中括号表达式。
‘{m,n}’ 一个精确地出现次数范围,m=<出现次数<=n,’{m}’表示出现m次,’{m,}’表示至少出现m次。
‘|’ 指明两项之间的一个选择。例子’^([a-z]+|[0-9]+)$’表示所有小写字母或数字组合成的字符串。
num 匹配 num,其中 num 是一个正整数。对所获取的匹配的引用。
正则表达式的一个很有用的特点是可以保存子表达式以后使用, 被称为Backreferencing. 允许复杂的替换能力
如调整一个模式到新的位置或者指示被代替的字符或者单词的位置. 被匹配的子表达式存储在临时缓冲区中,
缓冲区从左到右编号, 通过数字符号访问。 下面的例子列出了把名字 aa bb cc 变成
cc, bb, aa.
Select REGEXP_REPLACE(‘aa bb cc’,’(.) (.) (.*)’, ‘3, 2, 1’) FROM dual;
REGEXP_REPLACE(‘ELLENHILDISMIT
cc, bb, aa
” 转义符。
字符簇:
[[:alpha:]] 任何字母。
[[:digit:]] 任何数字。
[[:alnum:]] 任何字母和数字。
[[:space:]] 任何白字符。
[[:upper:]] 任何大写字母。
[[:lower:]] 任何小写字母。
[[:punct:]] 任何标点符号。
[[:xdigit:]] 任何16进制的数字,相当于[0-9a-fA-F]。
各种操作符的运算优先级
转义符
(), (?:), (?=), [] 圆括号和方括号
*, +, ?, {n}, {n,}, {n,m} 限定符
^, $, anymetacharacter 位置和顺序
| “或”操作
–测试数据
create table test(mc varchar2(60));
insert into test values(‘112233445566778899’);
insert into test values(‘22113344 5566778899’);
insert into test values(‘33112244 5566778899’);
insert into test values(‘44112233 5566 778899’);
insert into test values(‘5511 2233 4466778899’);
insert into test values(‘661122334455778899’);
insert into test values(‘771122334455668899’);
insert into test values(‘881122334455667799’);
insert into test values(‘991122334455667788’);
insert into test values(‘aabbccddee’);
insert into test values(‘bbaaaccddee’);
insert into test values(‘ccabbddee’);
insert into test values(‘ddaabbccee’);
insert into test values(‘eeaabbccdd’);
insert into test values(‘ab123’);
insert into test values(‘123xy’);
insert into test values(‘007ab’);
insert into test values(‘abcxy’);
insert into test values(‘The final test is is is how to find duplicate words.’);
commit;
一、REGEXP_LIKE
select * from test where regexp_like(mc,’^a{1,3}’);
select * from test where regexp_like(mc,’a{1,3}’);
select * from test where regexp_like(mc,’^a.*e$’);
select * from test where regexp_like(mc,’^[[:lower:]]|[[:digit:]]’);
select * from test where regexp_like(mc,’^[[:lower:]]’);
Select mc FROM test Where REGEXP_LIKE(mc,’[^[:digit:]]’);
Select mc FROM test Where REGEXP_LIKE(mc,’^[^[:digit:]]’);
二、REGEXP_INSTR
Select REGEXP_INSTR(mc,’[[:digit:]]
′)fromtest;SelectREGEXPINSTR(mc,′[[:digit:]]+
’) from test;
Select REGEXP_INSTR(‘The price is
400.′,′
[[:digit:]]+’) FROM DUAL;
Select REGEXP_INSTR(‘onetwothree’,’[^[[:lower:]]]’) FROM DUAL;
Select REGEXP_INSTR(‘,,,,,’,’[^,]*’) FROM DUAL;
Select REGEXP_INSTR(‘,,,,,’,’[^,]’) FROM DUAL;
三、REGEXP_SUBSTR
SELECT REGEXP_SUBSTR(mc,’[a-z]+’) FROM test;
SELECT REGEXP_SUBSTR(mc,’[0-9]+’) FROM test;
SELECT REGEXP_SUBSTR(‘aababcde’,’^a.*b’) FROM DUAL;
四、REGEXP_REPLACE
Select REGEXP_REPLACE(‘Joe Smith’,’( ){2,}’, ‘,’) AS RX_REPLACE FROM dual;
Select REGEXP_REPLACE(‘aa bb cc’,’(.) (.) (.*)’, ‘3, 2, 1’) FROM dual;
SQL> select * from test;
ID MC
A AAAAA
a aaaaa
b bbbbb
SQL> select * from test where regexp_like(id,’b’,’i’); –不区分数据大小写
ID MC
b bbbbb