sparksql 正则表达 plsql中正则表达式

转载

mob6454cc6f6c1c 2024-01-21 01:40:26

PLSQL中与正则表达式相关的运算函数主要有以下四个：

一、REGEXP_LIKE的使用：

REGEXP_LIKE(String, Regexp)

String：指定字符串或字段内容，

Regexp：用以匹配的正则表达式。

例如，验证某字符串是否是电邮地址格式：

SELECT 1
  FROM dual
 WHERE regexp_like('mryou@live.com'
                  ,'^([a-z0-9_\.-]+)@([\da-z\.-]+)\.([a-z\.]{2,6})$');

二、REGEXP_SUBSTR的使用：

REGEXP_SUBSTR(String, Regexp, StartPos, Occurence, Mode)

String：指定字符串或字段内容，

Regexp：用以匹配的正则表达式，

StartPos：起始位置（从第几位开始正则表达式匹配），默认为1，

Ocurrence：指定第几个匹配子串，默认为1，

Mode：'i'-不区分大小写检索，'c'-区分大小写检索，'n'-点号(.)不匹配换行符，'m'-多行模式，'x'-忽略正则表达式中的空白字符，默认为'c'。

例如，在字符串中以逗号为分隔符，找到第三个子串：

SELECT regexp_substr('张三,男,1994-01-01,顺德大良', '[^,]+', 1, 3)
  FROM dual;

三、REGEXP_INSTR的使用：

REGEXP_INSTR(String, Regexp, StartPos, Occurence, ReturnOpt, Mode)

String：指定字符串或字段内容，

Regexp：用以匹配的正则表达式，

StartPos：起始位置（从第几位开始正则表达式匹配），默认为1，

Ocurrence：指定第几个匹配子串，默认为1，

ReturnOpt：0-返回出现的开始位置，1-返回字符发生之后的位置（结束位置+1），默认为0，

Mode：'i'-不区分大小写检索，'c'-区分大小写检索，'n'-点号(.)不匹配换行符，'m'-多行模式，'x'-忽略正则表达式中的空白字符，默认为'c'。

例如，在一句话中以不区分大小写的要求，找到给定的若干字母中某一个字母第一次出现的位置：

SELECT regexp_instr('Muhammadun rasul Allah', 'l|m|n', 1, 1, 0, 'i')
  FROM dual;

四、REGEXP_REPLACE的使用：

REGEXP_REPLACE(String, Regexp, ReplaceStr, StartPos, Occurence, Mode)

String：指定字符串或字段内容，

Regexp：用以匹配的正则表达式，

ReplaceStr：替换子串，默认为NULL，

StartPos：起始位置（从第几位开始正则表达式匹配），默认为1，

Ocurrence：指定第几个匹配子串，默认为1，

Mode：'i'-不区分大小写检索，'c'-区分大小写检索，'n'-点号(.)不匹配换行符，'m'-多行模式，'x'-忽略正则表达式中的空白字符，默认为'c'。

例如，隐藏手机号中间的四位数字：

SELECT regexp_replace('18806711314', '\d{4}', '大吉大利', 4, 1) FROM dual;

附一：正则表达式基本语法

Metacharacter	Description
^	表示匹配字符串的开始位置，若用在中括号中[ ] 时，表示不匹配括号中字符串
$	表示匹配字符串的结束位置，若设置了表达式对象的Multiline属性（m），则也匹配'/n'或'/r'
*	表示匹配零次到多次（有或没有）
+	表示匹配一次到多次（至少有一次）
?	表示匹配零次或一次（至多有一次）
.	表示匹配单个字符
\|	表示为或者，两项中取一项
()	表示匹配括号中全部字符
[]	表示匹配括号中一个字符，范围描述，如[0-9] [a-z] [A-Z]
{}	用于限定匹配次数，如 {n}表示匹配n个字符，{n,}表示至少匹配n个字符，{n,m}表示至少n个最多m个
\	转义字符，如上基本符号匹配都需要转义字符，如 \* 表示匹配*号
\w	表示英文字母和数字
\W	表示非字母和数字
\d	表示数字
\D	表示非数字

附二：部分常用正则表达式

Description	RegExp
匹配由26个英文字母组成的字符串	^[A-Za-z]+$
匹配由26个英文字母的大写组成的字符串	^[A-Z]+$
匹配由26个英文字母的小写组成的字符串	^[a-z]+$
匹配由数字和26个英文字母组成的字符串	^[A-Za-z0-9]+$
匹配由数字、26个英文字母或者下划线组成的字符串	^\w+$
匹配整数	^-?[1-9]\d*$
匹配正整数	^[1-9]\d*$
匹配负整数	^-[1-9]\d*$
匹配非负整数	^[1-9]\d*\|0$
匹配非正整数	^-[1-9]\d*\|0$
电子邮箱	^([a-z0-9_\.-]+)@([\da-z\.-]+)\.([a-z\.]{2,6})$
十六进制字符串	^#?([a-f0-9]{6}\|[a-f0-9]{3})$
URL	^(https?:\/\/)?([\da-z\.-]+)\.([a-z\.]{2,6})([\/\w \.-])\/?$
IP地址	^(?:(?:25[0-5]\|2[0-4][0-9]\|[01]?[0-9][0-9]?)\.){3}(?:25[0-5]\|2[0-4][0-9]\|[01]?[0-9][0-9]?)$
HTML标签	^<([a-z]+)([^<]+)(?:>(.)<\/\1>\|\s+\/>)$
SQL语句	^(select\|drop\|delete\|create\|update\|insert).*$
大陆邮政编码	^[1-9]\d{5}(?!\d)$
纯Unicode编码中的汉字字符串	^[u4e00-u9fa5],{0,}$
空白行	\n[\s\| ]*\r
首尾空格	(^\s)\|(\s$)
双字节字符（含汉字）	[^\x00-\xff]