oracle：正则表达式

从oracle database 10gsql 开发指南中copy的。

 

正则表达式：

本节介绍正则表达式及相关的Oracle数据库函数。使用这些函数可以在字符串中搜索字符模式。例如，假设有下列年份：

1965

1968

1971

1970

如果希望获得1965年和1968年之间的年份(包括1965年和1968年)，就可以使用下面的正则表达式实现这种功能：

^196[5-8]$

正则表达式中包含许多元字符(metacharacter)。在上面这个例子中，^、[5-8]以及$都是元字符。^可以匹配一个字符串的开头；[5-8]可以匹配介于5~8之间的数字；$可以匹配一个字符串的结尾。因此，^196可以匹配以196开头的字符串；[5-8]$可以匹配以5、6、7或8结尾的字符串。而^196[5-8]$就可以匹配1965、1966、1967和1968，这就是想要的结果。

在下面这个例子中，假设有如下字符串，其中引用了莎士比亚的《罗密欧与朱丽叶》中的一句台词：

But, soft! What light through yonder window breaks?

如果想查找子字符串light，可以对引用的字符串应用下面的正则表达式：

l[[:alpha:]]{4}

在这个例子中，[[:alpha:]]和{4}都是元字符。[[:alpha:]]可以匹配A-Z或a-z之间的字符；{4}表示前面的匹配模式可以重复4次。当l、[[:alpha:]]和{4}一起使用时，可以匹配以 l 开头的5个字母组成的序列。因此，当对这个字符串应用正则表达式 l[[:alpha:]]{4}时，就可以匹配子字符串light。

表4-7列出了在正则表达式中可以使用的部分元字符，同时还给出了这些元字符的意思以及使用这些元字符的简单例子。

表4-7  正则表达式中的元字符

元  字  符	意    思	例    子
\	说明要匹配的字符是一个特殊字符、常量或者反向引用。(反向引用重复上一次匹配。)	\n 匹配换行符 \\ 匹配 \ \( 匹配( \) 匹配)
^	匹配字符串的开头位置	如果A是字符串中的第一个字符，^A 匹配A
$	匹配字符串的末尾位置	如果B是字符串中的最后一个字符，$B匹配B
*	匹配前面的字符0次或多次。	ba*rk 可以匹配 brk、bark、baark等等
+	匹配前面的字符1次或多次。	ba+rk 可以匹配bark、baark等等，但是不能匹配brk
?	匹配前面的字符0次或1次	ba?rk 只能匹配brk和bark
{n}	匹配一个字符恰好n次，其中n是一个整数	hob{2}it 可以匹配hobbit

 

(续表)  

元  字  符	意    思	例    子
{n,m}	匹配一个字符至少n次，最多m次，其中n和m都是整数	hob{2,3}it 只能匹配hobbit和hobbbit
.	匹配除null之外的任意单个字符	hob.it 可以匹配hobait、hobbit等等
(pattern)	匹配指定模式的一个子表达式。可以使用子表达式构成复杂的正则表达式。在这种子表达式中，可以访问单次的匹配，称为捕获(capture)	anatom(y|ies) 可以匹配anatomy和 anatomies
x|y	匹配x或y，其中x和y是一个或多个字符	war|peace 可以匹配 war 或 peace
[abc]	匹配中括号内的任意一个字符	[ab]bc 可以匹配 abc 和 bbc
[a-z]	匹配指定范围内的任意一个字符	[a-c]bc 可以匹配 abc、bbc和cbc
[: :]	指定一个字符类，可以匹配该类中的任何字符	[:alphanum:] 可以匹配字符0-9、A-Z和a-z [:alpha:] 可以匹配字符A-Z和a-z [:blank:] 可以匹配空格或tab键 [:digit:] 可以匹配数字 0-9 [:graph:] 可以匹配非空字符 [:lower:] 可以匹配小写字母a-z [:print:] 与 [:graph:] 类似，不同之处在于[:print:] 包括空格字符 [:punct:] 可以匹配标点符号.,'''等等 [:space:] 可以匹配所有的空白字符 [:upper:] 可以匹配所有的大写字母A~Z [:xdigit:] 可以匹配十六进制数字 0~9、A~F和a~f
[..]	匹配一个组合元素，例如多字符元素	无
[==]	指定等价类	无
\n	这是对前一次捕获的一个反向引用，其中n是一个正整数	(.)\1 可以匹配两个连续相同的字符。(.)可以匹配除null之外的任何单个字符，而 \1 则重复上次匹配的内容，即再次匹配相同的字符，因此可以匹配两个连续相同的字符

 

Oracle Database10gRelease 2新增加了很多类似于Perl的元字符，如表4-8所示。

表4-8  类似于Perl的元字符

元  字  符	含    义
\d	数字字符
\D	非数字字符
\w	字母字符
\W	非字母字符
\s	空白字符
\S	非空白字符

 

(续表)  

元  字  符	含    义
\A	只匹配字符串的开头位置
\Z	只匹配字符串的末尾位置或者字符串末尾的换行符之前的位置
*?	匹配前面的模式元素0次或多次
+?	匹配前面的模式元素1次或多次
??	匹配前面的模式元素0次或1次
{n}	匹配前面的模式元素恰好n次
{n,}	匹配前面的模式元素至少n次
{n,m}	匹配前面的模式元素至少n次，但不超过m次

 

表4-9列出了正则表达式函数。正则表达式函数是在Oracle Database10g中新增加的， Oracle Database11g中又增加了一些条目，如下表所示。

表4-9  正则表达式函数

函    数	说    明
REGEXP_LIKE( x, pattern  [, match_option])	从x中搜索pattern参数中定义的正则表达式。可以使用match_option修改默认匹配选项，该参数可以被设置为： •  'c'，说明在匹配时区分大小写(默认选项) •  'I'，说明在匹配时不区分大小写 •  'n'，允许使用可以匹配任意字符的操作符 •  'm'，将x作为一个包含多行的字符串
REGEXP_INSTR( x, pattern  [, start  [, occurrence  [, return_option  [, match_option [, subexp_option]]]])	在x中查找pattern，并返回pattern所在的位置。可以指定以下的可选参数： •  start 开始查找的位置。默认值是1，指x的第一个字符。 •  occurrence 说明应该返回第几次出现pattern的位置。默认值是1，这意味着函数返回pattern第一次在x中出现的位置。 •  return_option 说明应该返回什么整数。若该参数为0，则说明要返回的整数是x中的第一个字符的位置；若该参数为非0的整数，则说明要返回的整数为x中出现在pattern之后的字符的位置 • match_option 修改默认的匹配设置，其工作方式与REGEXP_LIKEK()中指定的方式相同。 •  subexp_option是Oracle Database 11g新增加的，其工作方式如下：对于具有子表达式的模式，subexp_option是0~9之间的一个非负数，指出pattern中的哪个子表达式是函数的目标。例如，考虑表达式0123(((abc)(de)f)ghi)45(678)，此表达式有5个子表达式，分别是："abcdefghi"、"abcdef"、"abc"、"de"和"678"。 如果subexp_option是0，则返回pattern的位置。如果pattern没有正确的子表达式数字，则函数返回0。subexp_option为空值则返回空。subexp_option的默认值是0

 

(续表)  

函    数	说    明
REGEXP_REPLACE(x, pattern  [, replace_string  [, start  [, occurrence  [, match_option]]]])	在x中查找pattern，并将其替换为replace_string。其他选项的意思与 REGEXP_INSTR()函数的参数完全相同
REGEXP_SUBSTR( x, pattern  [, start  [, occurrence  [, match_option [, subexp_option]]]])	返回x中可以匹配pattern的一个子字符串，其开始位置由start指定。其他选项的意思与 REGEXP_INSTR()函数的参数完全相同。Oracle Database11g新增加的subexp_option其工作方式与REGEXP_INSTR()函数中相同
REGEXP_COUNT( x, pattern  [, start  [, match_option]])	这是Oracle Database11g新增加的一个函数。在x中查找pattern，并返回pattern在x中出现的次数。可以提供以下两个可选参数： •  start 开始查找的位置。默认值是1，指x的第一个字符。 •  match_option 修改默认的匹配设置，其工作方式与REGEXP_LIKEK()中相同

 

接下来的几节将会介绍更多有关正则表达式函数的知识。

1. REGEXP_LIKE()

REGEXP_LIKE(x, pattern [, match_option])用于在x中查找pattern参数中定义的正则表达式，该函数还可以提供一个可选参数match_option，它可以设置为下面几个字符之一：

• 'c'，说明在匹配时区分大小写(默认选项)
• 'I'，说明在匹配时不区分大小写
• 'n'，允许使用可以匹配任意字符的操作符
• 'm'，将x 作为一个包含多行的字符串

下面这个查询使用REGEXP_LIKE函数检索生日在1965年到1968年之间的顾客：

SELECT customer_id, first_name, last_name, dob

FROM customers

WHERE REGEXP_LIKE(TO_CHAR(dob, 'YYYY'), '^196[5-8]$');

 

CUSTOMER_ID FIRST_NAME LAST_NAME    DOB

----------- ---------- ---------- ---------

                 1 John               Brown        01-JAN-65

                 2 Cynthia            Green        05-FEB-68

下面这个查询检索名字以J或j开头的顾客。注意传递给REGEXP_LIKE()的正则表达式是 ^j，匹配选项是i，这说明不区分大小写，因此在本例中，^j 可以匹配J或j：

SELECT customer_id, first_name, last_name, dob

FROM customers

WHERE REGEXP_LIKE(first_name, '^j', 'i');

 

CUSTOMER_ID FIRST_NAME LAST_NAME    DOB

----------- ---------- ---------- ---------

                 1 John               Brown        01-JAN-65

2. REGEXP_INSTR()

REGEXP_INSTR(x, pattern [, start [, occurrence [, return_option [, match_option]]]])用于在x中查找pattern；REGEXP_INSTR()返回pattern出现的位置。匹配位置从1开始。

下面这个查询使用REGEXP_INSTR函数返回匹配正则表达式 l[[:alpha:]]{4}的位置：

SELECT

REGEXP_INSTR('But, soft! What light through yonder window breaks?',

'l[[:alpha:]]{4}') AS result

FROM dual;

 

RESULT

----------

17

注意返回值为17，这是light中l的位置。

下面这个查询返回第二次匹配正则表达式 s[[:alpha:]]{3}的位置，匹配位置从1开始：

SELECT

REGEXP_INSTR('But, soft! What light through yonder window softly breaks?',

's[[:alpha:]]{3}', 1, 2) AS result

FROM dual;

 

RESULT

----------

45

下面这个查询使用REGEXP_INSTR函数返回第二次匹配字母 o 的位置，匹配位置从10开始：

SELECT

REGEXP_INSTR('But, soft! What light through yonder window breaks?',

'o', 10, 2) AS result

FROM dual;

 

RESULT

----------

32

3. REGEXP_REPLACE()

REGEXP_REPLACE(x, pattern [, replace_string [, start [, occurrence[, match_option]]]])用于在x中查找pattern，并将其替换为 replace_string。

下面这个查询使用REGEXP_REPLACE函数将匹配正则表达式 l[[:alpha:]]{4}的子字符串替换为字符串 sound：

SELECT

REGEXP_REPLACE('But, soft! What light through yonder window breaks?',

'l[[:alpha:]]{4}', 'sound') AS result

FROM dual;

 

RESULT

---------------------------------------------------

But, soft! What sound through yonder window breaks?

注意light已经被替换为sound。

4. REGEXP_SUBSTR()

REGEXP_SUBSTR(x, pattern[, start [, occurrence[, match_option]]])用于在x中查找匹配pattern的子字符串，开始位置由 start指定。

下面这个查询使用REGEXP_SUBSTR函数返回匹配正则表达式 l[[:alpha:]]{4}的子字符串：

SELECT

REGEXP_SUBSTR('But, soft! What light through yonder window breaks?',

'l[[:alpha:]]{4}') AS result

FROM dual;

 

RESUL

-----

light

5. REGEXP_COUNT()

REGEXP_COUNT()是Oracle Database11g新增加的一个函数。REGEXP_COUNT(x, pattern[, start [,match_option]])用于在x中查找pattern，并返回pattern在x中出现的次数。可以提供可选参数start，指出要从x中开始查找pattern的那个字符；也可以提供可选的match_option字符串，指出匹配选项。

下面这个查询使用REGEXP_COUNT函数返回正则表达式s[[:alpha:]]{3}出现的次数：

SELECT

 REGEXP_COUNT('But, soft! What light through yonder window softly breaks?',

  's[[:alpha:]]{3}') AS result

FROM dual;

 

    RESULT

----------

         2

注意返回结果是2，这表明正则表达式在提供的字符串中有两次匹配。

 

--------------------------------------------------------------------------------

--------------------------------------------------------------------------------

正则表达式是很多编程语言中都有的。可惜oracle8i、oracle9i中一直迟迟不肯加入，好在oracle10g中终于增加了期盼已久的正则表达式功能。你可以在oracle10g中使用正则表达式肆意地匹配你想匹配的任何字符串了。

所谓正则表达式是对于字符串进行匹配的一种模式。举个例子来说字符串’^198[0-9]$’可以匹配‘1980-1989’，也即80后出生的年份。如果希望统计出公司那些员工是80后的，就可以使用如下的SQL语句：
select * from emp where regexp_like(to_char(birthdate,’yyyy’),’^198[0-9]$’);

这里用到了regexp_like和to_char函数。

这里在正则表达式中用到的^、$、[0-9]都被称为元数据(metacharacter)，正则表达式都是由多元表达式组成的。在这里，^表示一个字符串的开头，$表示一个字符换的结尾，因此^198表示以198开头的字符串，而[0-9]$则表示以0-9的数字结尾的字符串。因此整体上’^198[0-9]$’就能匹配所有1980-1989的字符串。

正则表达式中常用到的元数据(metacharacter)如下：

1. ^  匹配字符串的开头位置。
2. $  匹配支付传的结尾位置。
3. *  匹配该字符前面的一个字符0次，1次或者多次出现。例如52*oracle 可以匹配 5oracle,52oracle,522oracle,5222oracle等等。
4. + 匹配该字符前面的一个字符1次或者多次出现。例如52+oracle 可以匹配 52oracle,522oracle,5222oracle等等
5. ?  匹配该字符前面的一个字符0次或1次或者多次出现。例如52?oracle 只能匹配5oracle,52oracle等等
6. {n} 匹配一个字符串n次，n为正整数。例如：hel{2}o 所匹配的是hello
7. {n,m} 匹配一个字符串至少n次，至多m次。其中n和m都是整数。
8. .  匹配除了null之外的任何单个字符串
9. (pattern) 这个是用来匹配指定模式的一个子表达式
10. x|y  匹配x或者y，其中x和y是一个或者多个字符
11. [abc] 匹配括号中的任意一个字符。例如：[ab]bc可以匹配abc和bbc
12. [a-z] 匹配指定范围内的任意字符串。例如[A-G]hi可以匹配Ahi至Ghi
13. [::]指定一个字符类，可以匹配该类中的任意字符 这里的字符类包括：
    • [:alphanum:] 可以匹配字符0-9、A-Z、a-z
    • [:alpha:]可以匹配字符A-Z、a-z
    • [:blank:]可以匹配空格或者tab键
    • [:digit:]可以匹配数字 0-9
    • [:gragh:]可以匹配非空字符
    • [:punct:]可以匹配. , ” ‘等标点符号。
    • [:upper:]可以匹配字符A-Z
    • [:lower:]可以匹配字符a-z

      这里列出的是一些常见的正则表达式中的元数据。更多的正则表达式的内容请参照oracle官网上的正则表达式的相关内容

关于orace中的正则表达式只能通过oracle特意为正则表达式设计的4个函数来使用。这4个函数分别是：
regexp_like,regexp_instr,regexp_replace,regexp_substr。关于这4个函数的具体用法，会在稍后介绍，这里简单说一下：

1. regexp_like(x,pattern)当x能正确匹配字符串时返回true。
2. regexp_instr(x,pattern)在x中尝试匹配pattern，并返回匹配的位置。
3. regexp_replace(x,pattern,replacestring)在x中尝试匹配pattern,并将其替换成replacestring。
4. regexp_substr(x,pattern）返回x中匹配pattern的一个字符串。

 

 

 

 

前面我们介绍了oracle中的正则表达式组常用的一个函数regexp_like，这里我们在介绍一个函数regexp_instr。这个正则表达式函数用的不如前一个多，但也会偶尔会用到。这个函数其实与我们前面曾介绍的instr函数其实相似。

regexp_instr的原型如下：
regexp_instr(x,pattern[,start[,occurrence[,return_option[,match_option]]]])
这里每个参数分别含义如下：

1. x  待匹配的字符串
2. pattern 待匹配的模式
3. start   开始匹配的位置，如果不指定默认为1
4. occurrence  匹配的次数，如果不指定，默认为1
5. return_option  指定返回值的类型，如果该参数为0，则返回值为匹配位置的第一个字符，如果该值为非0则返回匹配值的最后一个位置。
6. match_option　可以用这个参数来修改一些默认的配置设置。这个值与前面所说的regexp_like函数中的match_option参数的意义是一样的。

下面来举几个有关regexp_instr函数的例子：
select (’i love www.52oracle.com’,'o[[:alpha:]]{4}e$’,1,1) as r from dual
这个例子从’i love www.52oracle.com’这个字符串中匹配一个模式，这个模式是以o开头，以e结尾，在o和e之间有4个字符的字符串。这样自然而然就返回oracle的起始位置14

另一个例子是：
select (’i love www.52oracle.com’,'o[[:alpha:]]{2}’,1,2,1) as r from dual
这个例子的含义是在’i love www.52oracle.com’这个字符串中匹配另一个模式，这个模式是以o开始，再包含两个字符的一个模式，因此这个模式可以是ove，也可是ora但是我们要求它匹配两次，因此这个SQL语句的结果是ora所在的位置，所在的什么位置呢？因为我们的return_option参数的值是1，即大于0，所以这的结果是16,也就单词oracle中a所在的位置