Oracle中的正则表达式(转)

ipiiiqvpds

Oracle 10g数据库内建了符合IEEE POSIX (Portable Operating System for Unix)标准的正则表达式。熟练使用正则表达式，可以写出简洁，强大的SQL语句。
 
正则表达式有几个优点优于常见的LIKE操作符和INSTR、SUBSTR及REPLACE 函数的。这些传统的SQL 函数不便于进行模式匹配。只有LIKE 操作符通过使用%和_字符匹配，但LIKE不支持表达式的重复、复杂的更替、字符范围、字符列表和POSIX 字符类等等。
 
元字符（Meta Character）：
Sql代码

• ^            使表达式定位至一行的开头   
  
• $            使表达式定位至一行的末尾   
  
• *            匹配 0 次或更多次   
  
• ?            匹配 0 次或 1 次   
  
• +            匹配 1 次或更多次   
  
• {m}          正好匹配 m 次   
  
• {m,}         至少匹配 m 次   
  
• {m, n}       至少匹配 m 次但不超过 n 次   
  
• [:alpha:]    字母字符   
  
• [:lower:]    小写字母字符   
  
• [:upper:]    大写字母字符   
  
• [:digit:]    数字   
  
• [:alnum:]    字母数字字符   
  
• [:space:]    空白字符（禁止打印），如回车符、换行符、竖直制表符和换页符[:punct:]    标点字符   
  
• [:cntrl:]    控制字符（禁止打印）   
  
• [:print:]    可打印字符 | 分隔替换选项，通常与分组操作符 () 一起使用   
  
• ( )          将子表达式分组为一个替换单元、量词单元或后向引用单元   
  
• [char]       字符列表    
  

Oracle 10g提供了四个regexp function: REGEXP_LIKE , REGEXP_REPLACE , REGEXP_INSTR , REGEXP_SUBSTR 。
Sql代码

• REGEXP_LIKE：比较一个字符串是否与正则表达式匹配   
  
• (srcstr, pattern [, match_option])   
  
•   
  
• REGEXP_INSTR：在字符串中查找正则表达式，并且返回匹配的位置   
  
• (srcstr, pattern [, position [, occurrence [, return_option [, match_option]]]])   
  
•   
  
• REGEXP_SUBSTR：返回与正则表达式匹配的子字符串   
  
• (srcstr, pattern [, position [, occurrence [, match_option]]])    
  
•   
  
• REGEXP_REPLACE：搜索并且替换匹配的正则表达式   
  
• (srcstr, pattern [, replacestr [, position [, occurrence [, match_option]]]])  
  

REGEXP_LIKE：比较一个字符串是否与正则表达式匹配
(srcstr, pattern [, match_option])
 
REGEXP_INSTR：在字符串中查找正则表达式，并且返回匹配的位置
(srcstr, pattern [, position [, occurrence [, return_option [, match_option]]]])
 
REGEXP_SUBSTR：返回与正则表达式匹配的子字符串
(srcstr, pattern [, position [, occurrence [, match_option]]])
 
REGEXP_REPLACE：搜索并且替换匹配的正则表达式
(srcstr, pattern [, replacestr [, position [, occurrence [, match_option]]]])
 
其中各参数的含义为:
Sql代码

• srcstr:        被查找的字符数据。    
  
• pattern:       正则表达式。   
  
• occurrence:    出现的次数。默认为1。   
  
• position:      开始位置   
  
• return_option: 默认值为0，返回该模式的起始位置；值为1则返回符合匹配条件的下一个字符的起始位置。   
  
• replacestr:    用来替换匹配模式的字符串。   
  
• match_option:  匹配方式选项。缺省为c。   
  
•                c：case sensitive   
  
•                I：case insensitive  
  
•                n：(.)匹配任何字符（包括newline)   
  
•                m：字符串存在换行的时候被作为多行处理    
  

下面通过一些具体的例子来说明如何使用这四个函数。首先创建一个测试数据表，
Sql代码

• SQL> create table person (   
  
•   2  first_name varchar(20),   
  
•   3  last_name varchar(20),   
  
•   4  email varchar(100),   
  
•   5  zip varchar(6));   
  
•   
  
• Table created.   
  
•   
  
• SQL> insert into person values ('Steven', 'Chen', 'steven@hp.com', '123456');   
  
• 1 row created.   
  
•   
  
• SQL> insert into person values ('James', 'Li', 'jamesli@sun.com' || chr(10) || 'lijames@oracle.com', '1b3d5f');   
  
• 1 row created.   
  
•   
  
• SQL> commit;   
  
• Commit complete.   
  
•   
  
• SQL> select * from person;   
  
•   
  
• FIRST_NAME LAST_NAME  EMAIL                ZIP   
  
• ---------- ---------- -------------------- ------   
  
• Steven     Chen       steven@hp.com        123456   
  
• James      Li         jamesli@sun.com      1b3d5f   
  
•                       lijames@oracle.com  
  

SQL> create table person (
  2  first_name varchar(20),
  3  last_name varchar(20),
  4  email varchar(100),
  5  zip varchar(6));
 
Table created.
 
SQL> insert into person values ('Steven', 'Chen', 'steven@hp.com', '123456');
1 row created.
 
SQL> insert into person values ('James', 'Li', 'jamesli@sun.com' || chr(10) || 'lijames@oracle.com', '1b3d5f');
1 row created.
 
SQL> commit;
Commit complete.
 
SQL> select * from person;
 
FIRST_NAME LAST_NAME  EMAIL                ZIP
---------- ---------- -------------------- ------
Steven     Chen       steven@hp.com        123456
James      Li         jamesli@sun.com      1b3d5f
                      lijames@oracle.com
 
1。REGEXP_LIKE
Sql代码

• SQL> select zip as invalid_zip from person where regexp_like(zip, '[^[:digit:]]');   
  
• INVALID_ZIP   
  
• --------------------   
  
• 1b3d5f   
  
•   
  
• SQL> select first_name from person where regexp_like(first_name, '^S.*n$');   
  
• FIRST_NAME   
  
• ----------   
  
• Steven   
  
•   
  
• SQL> select first_name from person where regexp_like(first_name, '^s.*n$');   
  
• no rows selected   
  
•   
  
• SQL> select first_name from person where regexp_like(first_name, '^s.*n$', 'c');   
  
• no rows selected   
  
•   
  
• SQL> select first_name from person where regexp_like(first_name, '^s.*n$', 'i');   
  
• FIRST_NAME   
  
• ----------   
  
• Steven   
  
•   
  
• SQL> select email from person where regexp_like(email, '^james.*com$');   
  
• no rows selected   
  
•   
  
• SQL> select email from person where regexp_like(email, '^james.*com$', 'n');   
  
• EMAIL   
  
• --------------------   
  
• jamesli@sun.com   
  
• lijames@oracle.com   
  
•   
  
• SQL> select email from person where regexp_like(email, '^li.*com$');   
  
• no rows selected   
  
•   
  
• SQL> select email from person where regexp_like(email, '^li.*com$', 'm');   
  
• EMAIL   
  
• --------------------   
  
• jamesli@sun.com   
  
• lijames@oracle.com  
  

SQL> select zip as invalid_zip from person where regexp_like(zip, '[^[:digit:]]');
INVALID_ZIP
--------------------
1b3d5f
 
SQL> select first_name from person where regexp_like(first_name, '^S.*n$');
FIRST_NAME
----------
Steven
 
SQL> select first_name from person where regexp_like(first_name, '^s.*n$');
no rows selected
 
SQL> select first_name from person where regexp_like(first_name, '^s.*n$', 'c');
no rows selected
 
SQL> select first_name from person where regexp_like(first_name, '^s.*n$', 'i');
FIRST_NAME
----------
Steven
 
SQL> select email from person where regexp_like(email, '^james.*com$');
no rows selected
 
SQL> select email from person where regexp_like(email, '^james.*com$', 'n');
EMAIL
--------------------
jamesli@sun.com
lijames@oracle.com
 
SQL> select email from person where regexp_like(email, '^li.*com$');
no rows selected
 
SQL> select email from person where regexp_like(email, '^li.*com$', 'm');
EMAIL
--------------------
jamesli@sun.com
lijames@oracle.com
 
注意上面分别测试了不同的match_option对结果的影响。
 
2。REGEXP_INSTR
Sql代码

• 查找zip中第一个非数字字符的位置   
  
• SQL> select regexp_instr(zip, '[^[:digit:]]') as position from person;   
  
•   POSITION   
  
• ----------   
  
•          0   
  
•          2   
  
•   
  
• 从第三个字符开始，查找zip中第二个非数字字符的位置   
  
• SQL> select regexp_instr(zip, '[^[:digit:]]', 3, 2) as position from person;   
  
•   POSITION   
  
• ----------   
  
•          0   
  
•          6   
  
•   
  
• 从第三个字符开始，查找zip中第二个非数字字符的下一个字符位置   
  
• SQL> select regexp_instr(zip, '[^[:digit:]]', 3, 2, 1) as position from person;   
  
•   POSITION   
  
• ----------   
  
•          0   
  
•          7  
  

查找zip中第一个非数字字符的位置
SQL> select regexp_instr(zip, '[^[:digit:]]') as position from person;
  POSITION
----------
         0
         2
 
从第三个字符开始，查找zip中第二个非数字字符的位置
SQL> select regexp_instr(zip, '[^[:digit:]]', 3, 2) as position from person;
  POSITION
----------
         0
         6
 
从第三个字符开始，查找zip中第二个非数字字符的下一个字符位置
SQL> select regexp_instr(zip, '[^[:digit:]]', 3, 2, 1) as position from person;
  POSITION
----------
         0
         7
 
3。REGEXP_SUBSTR
Sql代码

• SQL> select regexp_substr(zip, '[^[:digit:]]') as zip from person;   
  
• ZIP   
  
• ------------------   
  
• b   
  
•   
  
• SQL> select regexp_substr(zip, '[^[:digit:]]', 3, 2) as zip from person;   
  
• ZIP   
  
• ------------   
  
• f  
  

SQL> select regexp_substr(zip, '[^[:digit:]]') as zip from person;
ZIP
------------------
b
 
SQL> select regexp_substr(zip, '[^[:digit:]]', 3, 2) as zip from person;
ZIP
------------
f
 
4。REGEXP_REPLACE
Sql代码

• 把zip中所有非数字字符替换为0   
  
• SQL> update person set zip=regexp_replace(zip, '[^[:digit:]]', '0')   
  
•   2  where regexp_like(zip, '[^[:digit:]]');   
  
• 1 row updated.   
  
•   
  
• SQL> select zip from person;   
  
• ZIP   
  
• ------   
  
• 123456   
  
• 103050  
  

把zip中所有非数字字符替换为0
SQL> update person set zip=regexp_replace(zip, '[^[:digit:]]', '0')
  2  where regexp_like(zip, '[^[:digit:]]');
1 row updated.
 
SQL> select zip from person;
ZIP
------
123456
103050
 
后向引用（backreference）：
 
后向引用是 一个很有用的特性。它能够把子表达式的匹配部分保存在临时缓冲区中，供以后重用 。缓冲区从左至右进行编号，并利用 \digit 符号进行访问。子表达式用一组圆括号来显示。利用后向引用可以实现较复杂的替换功能。
Sql代码 http://g1a107.mail.163.com/js3/s?func=mbox:getMessageData&sid=QCtwJIffRJLIqbrBaBffiAvzVCJKawMZ&mid=364:1tbiKBgPa0qCMy6QbwAAs+&part=3

• SQL> select regexp_replace('Steven Chen', '(.*) (.*)', '\2, \1') as reversed_name from dual;   
  
•   
  
• REVERSED_NAME   
  
• --------------------   
  
• Chen, Steven  
  

SQL> select regexp_replace('Steven Chen', '(.*) (.*)', '\2, \1') as reversed_name from dual;
 
REVERSED_NAME
--------------------
Chen, Steven
 
在DDL中也可以正则表达式，比如Constraint, index, view
Sql代码

• SQL> alter table person add constraint constraint_zip check (regexp_like(zip, '^[[:digit:]]+$'));   
  
•   
  
• SQL> create index person_idx on person(regexp_substr(last_name, '^[[:upper:]]'));  
  

一. 匹配字符  

字符类	匹配的字符	举 例
d	从０-９的任一数字	dd匹配72,但不匹配aa或7a
D	任一非数字字符	DDD匹配abc,但不匹配123
w	任一单词字符，包括A-Z,a-z,0-9和下划线	wwww匹配Ab-2，但不匹配∑￡$%*或Ab_@
W	任一非单词字符	W匹配＠，但不匹配a
s	任一空白字符，包括制表符，换行符，回车符，换页符和垂直制表符	匹配在HTML,XML和其他标准定义中的所有传统空白字符
S	任一非空白字符	空白字符以外的任意字符,如A%&g3;等
.	任一字符	匹配除换行符以外的任意字符除非设置了MultiLine先项
[…]	括号中的任一字符	[abc]将匹配一个单字符,a,b或c. [a-z]将匹配从a到z的任一字符
[^…]	不在括号中的任一字符	[^abc]将匹配一个a、b、c之外的单字符,可以a,b或A、B、C [a-z]将匹配不属于a-z的任一字符,但可以匹配所有的大写字母

[td] [/td]                 
　　二. 重复字符

重复字符	含 义	举 例
｛n｝	匹配前面的字符n次	x{2}匹配xx,但不匹配x或xxx
｛n,｝	匹配前面的字符至少n次	x{2}匹配2个或更多的x,如xxx,xxx..
｛n,m｝	匹配前面的字符至少n次,至多m次。如果n为0，此参数为可选参数	x{2,4}匹配xx,xxx,xxxx,但不匹配xxxxx
?	匹配前面的字符0次或1次，实质上也是可选的	x?匹配x或零个x
+	匹配前面的字符0次或多次	x+匹配x或xx或大于0的任意多个x
*	匹配前面的字符0次或更多次	x*匹配0,1或更多个x

　　三. 定位字符

定位字符	描 述
^	随后的模式必须位于字符串的开始位置，如果是一个多行字符串，则必须位于行首。对于多行文本（包含回车符的一个字符串）来说，需要设置多行标志
$	前面的模式必须位于字符串的未端，如果是一个多行字符串，必须位于行尾
A	前面的模式必须位于字符串的开始位置，忽略多行标志
z	前面的模式必须位于字符串的未端，忽略多行标志
Z	前面的模式必须位于字符串的未端，或者位于一个换行符前
b	匹配一个单词边界，也就是一个单词字符和非单词字符中间的点。要记住一个单词字符是[a-zA-Z0-9]中的一个字符。位于一个单词的词首
B	匹配一个非单词字符边界位置，不是一个单词的词首

　　分组字符

分组字符	定 义	举 例
（）	此字符可以组合括号内模式所匹配的字符，它是一个捕获组，也就是说模式匹配的字符作为最终设置了ExplicitCapture选项――默认状态下字符不是匹配的一部分	输入字符串为：ABC1DEF2XY 匹配3个从A到Z的字符和1个数字的正则表达式：（[A-Z]{3}d） 将产生两次匹配：Match 1=ABC1;Match 2=DEF2 每次匹配对应一个组：Match1的第一个组＝ABC;Match2的第1个组＝DEF 有了反向引用，就可以通过它在正则表达式中的编号以及C#和类Group,GroupCollection来访问组。如果设置了ExplicitCapture选项，就不能使用组所捕获的内容
（?:）	此字符可以组合括号内模式所匹配的字符，它是一个非捕获组，这意味着模式所的字符将不作为一个组来捕获，但它构成了最终匹配结果的一部分。它基本上与上面的组类型相同，但设定了选项ExplicitCapture	输入字符串为：1A BB SA1 C 匹配一个数字或一个A到Z的字母，接着是任意单词字符的正则表达式为：（?:d|[A-Z]w） 它将产生3次匹配：每1次匹配＝1A；每2次匹配＝BB;每3次匹配＝SA 但是没有组被捕获
（?<name>）	此选项组合括号内模式所匹配的字符，并用尖括号中指定的值为组命名。在正则表达式中，可以使用名称进行反向引用，而不必使用编号。即使不设置ExplicitCapture选项，它也是一个捕获组。这意味着反向引用可以利用组内匹配的字符，或者通过Group类访问	输入字符串为：Characters in Sienfeld included Jerry Seinfeld,Elaine Benes,Cosno Kramer and George Costanza能够匹配它们的姓名，并在一个组llastName中捕获姓的正则表达式为：b[A-Z][a-z]+(?<lastName>[A-Z][a-z]+)b 它产生了4次匹配：First Match=Jerry Seinfeld; Second Match=Elaine Benes; Third Match=Cosmo Kramer; Fourth Match=George Costanza 每一次匹配都对应了一个lastName组： 第1次匹配：lastName group=Seinfeld 第2次匹配：lastName group=Benes 第3次匹配：lastName group=Kramer 第4次匹配：lastName group=Costanza 不管是否设置了选项ExplictCapture，组都将被捕获
（?=）	正声明。声明的右侧必须是括号中指定的模式。此模式不构成最终匹配的一部分	正则表达式S+(?=.NET)要匹配的输入字符串为：The languages were Java,C#.NET,VB.NET,C,Jscript.NET,Pascal 将产生如下匹配：〕 C# VB JScript.
（?!）	负声明。它规定模式不能紧临着声明的右侧。此模式不构成最终匹配的一部分	d{3}(?![A-Z])要匹配的输入字符串为：123A 456 789111C 将产生如下匹配： 456 789
（?<=）	反向正声明。声明的左侧必须为括号内的指定模式。此模式不构成最终匹配的一部分	正则表达式(?<=New)([A-Z][a-z]+)要匹配的输入字符串为：The following states,New Mexico,West Virginia,Washington,New England 它将产生如下匹配： Mexico England
（?<!）	反向正声明。声明的左侧必须不能是括号内的指定模式。此模式不构成最终匹配的一部分	正则表达式(?<!1)d{2}([A-Z])要匹配的输入字符串如下：123A456F789C111A 它将实现如下匹配： 56F 89C
（?>）	非回溯组。防止Regex引擎回溯并且防止实现一次匹配	假设要匹配所有以“ing”结尾的单词。输入字符串如下：He was very trusing 正则表达式为：.*ing 它将实现一次匹配――单词trusting。“.”匹配任意字符，当然也匹配“ing”。所以，Regex引擎回溯一位并在第2个“t”停止，然后匹配指定的模式“ing”。但是，如果禁用回溯操作：(?>.*)ing 它将实现0次匹配。“.”能匹配所有的字符，包括“ing”――不能匹配，从而匹配失败

　　决策字符

字 符	描 述	举 例
（?(regex)yes_regex|no_regex）	如果表达式regex匹配，那么将试图匹配表达式yes。否则匹配表达式no。正则表达式no是可先参数。注意，作出决策的模式宽度为0.这意味着表达式yes或no将从与regex表达式相同的位置开始匹配	正则表达式(?(d)dA|A-Z)B)要匹配的输入字符串为：1A CB3A5C 3B 它实现的匹配是： 1A CB 3A
（?(group name or number)yes_regex|no_regex）	如果组中的正则表达式实现了匹配，那么试图匹配yes正则表达式。否则，试图匹配正则表达式no。no是可先的参数	正则表达式 (d7)?-(?(1)dd[A-Z]|[A-Z][A-Z]要匹配的输入字符串为： 77-77A 69-AA 57-B 它实现的匹配为： 77-77A －AA

　　替换字符

字 符	描 述
$group	用group指定的组号替换
${name}	替换被一个(?<name>)组匹配的最后子串
$$	替换一个字符$
$&	替换整个的匹配
$^	替换输入字符串匹配之前的所有文本
$’	替换输入字符串匹配之后的所有文本
$+	替换最后捕获的组
$_	替换整个的输入字符串

　　转义序列

字 符	描 述
	匹配字符“”
.	匹配字符“.”
*	匹配字符“*”
+	匹配字符“+”
?	匹配字符“?”
|	匹配字符“|”
(	匹配字符“(”
)	匹配字符“)”
{	匹配字符“{”
}	匹配字符“}”
^	匹配字符“^”
$	匹配字符“$”
n	匹配换行符
r	匹配回车符
t	匹配制表符
v	匹配垂直制表符
f	匹配换面符
nnn	匹配一个8进数字，nnn指定的ASCII字符。如103匹配大写的C
xnn	匹配一个16进数字，nn指定的ASCII字符。如x43匹配大写的C
unnnn	匹配由4位16进数字（由nnnn表示）指定的Unicode字符
cV	匹配一个控制字符，如cV匹配Ctrl-V

　　选项标志

选项标志	名 称
I	IgnoreCase
M	Multiline
N	ExplicitCapture
S	SingleLine
X	IgnorePatternWhitespace

　　选项本身的信作含义如下表所示：

标 志	名 称
IgnoreCase	使模式匹配不区分大小写。默认的选项是匹配区分大小写
RightToLeft	从右到左搜索输入字符串。默认是从左到右以符合英语等的阅读习惯，但不符合阿拉伯语或希伯来语的阅读习惯
None	不设置标志。这是默认选项
Multiline	指定^和$可以匹配行首和行尾，以及字符串的开始和结尾。这意味着可以匹配每个用换行符分隔的行。但是，字符“.”仍然不匹配换行符
SingleLine	规定特殊字符“.”匹配任意的字符，包括换行符。默认情况下，特殊字符“.”不匹配换行符。通常与MultiLine选项一起使用
ECMAScript.	ECMA(European Coputer Manufacturer’s Association,欧洲计算机生产商协会)已经定义了正则表达式应该如何实现，而且已经在ECMAScript规范中实现，这是一个基于标准的JavaScript。这个选项只能与IgnoreCase和MultiLine标志一起使用。与其它任何标志一起使用，ECMAScript都将产生异常
IgnorePatternWhitespace	此选项从使用的正则表达式模式中删除所有非转义空白字符。它使表达式能跨越多行文本，但必须确保对模式中所有的空白进行转义。如果设置了此选项，还可以使用“#”字符来注释下则表达式
Complied	它把正则表达式编译为更接近机器代码的代码。这样速度快，但不允许对它进行任何修改