MySQL必知必会-用正则表达式进行搜索

用正则表达式进行搜索

使用MySQL正则表达式

基本字符匹配

下面的语句检索列prod_name包含文本1000的所有行：

输入

SELECT prod_name
FROM products
WHERE prod_name REGEXP '1000'
ORDER BY prod_name;

输出

+--------------+
| prod_name    |
+--------------+
| JetPack 1000 |
+--------------+

分析

出关键字LIKE被REGEXP替代外，这条语句看上去非常像LIKE的语句。它告诉MySQL：REGEXP后所跟的东西作为正则表达式（与文字正文匹配1000匹配的一个正则表达式）处理。

在上面的例子中，正则表达式确实没有带来太多好处（可能还会降低性能），不过，请考虑下面的例子：

输入

SELECT prod_name
FROM products
WHERE prod_name REGEXP '.000'
ORDER BY prod_name;

输出

+--------------+
| prod_name    |
+--------------+
| JetPack 1000 |
| JetPack 2000 |
+--------------+

分析

这里使用了正则表达式**.000。**.是正则表达式语言中一个特殊的字符。它表示匹配任意一个字符。

当然，这个特殊的例子也可以用LIKE和通配符来完成。

匹配不区分大小写 MySQL中的正则表达式匹配（自版本3.23.4后）不区分大小写（即，大写和小写都匹配）。为区分大小写，可使用BINARY关键字，如WHERE prod_name REGEXP BINARY ‘JetPack .000’。

进行OR匹配

为搜索两个串之一（或者为这个串，或者为另一个串），使用|，如下所示：

输入

SELECT prod_name
FROM products
WHERE prod_name REGEXP '1000|2000'
ORDER BY prod_name;

输出

+--------------+
| prod_name    |
+--------------+
| JetPack 1000 |
| JetPack 2000 |
+--------------+

分析

语句中使用了正则表达式1000|2000。|为正则表达式的OR操作符。它表示匹配其中之一。

两个以上的OR条件 可以给出两个以上的OR条件。例如，'1000|2000|3000’将匹配1000或2000或3000。

匹配几个字符之一

匹配任何单一字符。可通过指定一组用[和]括起来的字符来完成，如下所示：

输入

SELECT prod_name
FROM products
WHERE prod_name REGEXP '[123] Ton'
ORDER BY prod_name;

输出

+-------------+
| prod_name   |
+-------------+
| 1 ton anvil |
| 2 ton anvil |
+-------------+

分析

[123]定义一组字符，它的意思是匹配1或2或3。

正如所见，[]是另一种形式的OR语句。事实上，正则表达式[123] Ton为[1|2|3] Ton的缩写，也可以使用后者。但是，需要用[]来定义OR语句查找什么。为更好地理解这一点，请看下面的例子：

输入

SELECT prod_name
FROM products
WHERE prod_name REGEXP '1|2|3 Ton'
ORDER BY prod_name;

输出

+---------------+
| prod_name     |
+---------------+
| 1 ton anvil   |
| 2 ton anvil   |
| JetPack 1000  |
| JetPack 2000  |
| TNT (1 stick) |
+---------------+

分析

这里并不是期望的输出。两个要求的行被检索出来，但还检索出了另外3行。之所以这样是由于MySQL假定你的意思是’1’或’2’或’3 Ton’。除非把字符|括在一个集合中，否则它将应用于整个串。

字符集也可以被否定，即，它们将匹配除指定字符外的任何东西。为否定一个字符集，在集合的开始处放置一个^即可。因此，尽管[123]匹配字符1、2或3，但[^123]却匹配除这些字符外的任何东西。

范围匹配

集合可用来定义要匹配的一个或多个字符。例如，下面的集合将匹配数字0到9：

[0123456789]

为简化这种类型的集合，可使用-来定义一个范围。下面的式子功能上等同于上述数字列表：

[0-9]

范围不限于完整的集合。此外，范围不一定只是数值的，[a-z]匹配任意字母字符。

举一个例子：

输入

SELECT prod_name
FROM products
WHERE prod_name REGEXP '[1-5] Ton'
ORDER BY prod_name;

输出

+--------------+
| prod_name    |
+--------------+
| .5 ton anvil |
| 1 ton anvil  |
| 2 ton anvil  |
+--------------+

分析

这里使用正则表达式[1-5] Ton。[1-5]定义了一个范围，这个表达式意思是匹配1-5，因此返回3个匹配行。由于5 ton匹配，所以返回. 5 ton。

匹配特殊字符

输入

SELECT vend_name
FROM vendors
WHERE vend_name REGEXP '.'
ORDER BY vend_name;

输出

+----------------+
| vend_name      |
+----------------+
| ACME           |
| Anvils R Us    |
| Furball Inc.   |
| Jet Set        |
| Jouets Et Ours |
| LT Supplies    |
+----------------+

分析

这并不是期望的输出，.匹配任意字符，因此每个行都被检索出来。

为了匹配特殊字符，必须用\为前导。\-表示查找-，\.表示查找.。

输入

SELECT vend_name
FROM vendors
WHERE vend_name REGEXP '\.'
ORDER BY vend_name;

输出

+--------------+
| vend_name    |
+--------------+
| Furball Inc. |
+--------------+

分析

这才是期望的输出。\.匹配.，所以只检索出一行。这种处理就是所谓的转义（escaping），正则表达式内具有特殊意义的所有字符都必须以这种方式转义。

\也用来引用元字符（具有特殊含义的字符），如下表所列。

元字符	说明
\f	换页
\n	换行
\r	回车
\t	制表
\v	纵向制表

匹配 为了匹配反斜杠字符本身，需要使用\。

或\? 多数正则表达式实现使用单个反斜杠转义特殊字符，以便能使用这些字符本身。但MySQL要求两个反斜杠（MySQL自己解释一个，正则表达式库解释另一个）。

匹配字符类

为更方便工作，可以使用预定义的字符集，称为字符类（character class）。下表列出字符类以及它们的含义。

类	说明
[:alnum:]	任意字母和数字（同[a-zA-Z0-9]）
[:alpha:]	任意字符（同[a-zA-Z]）
[:blank:]	空格和制表符（同[ ]）
[:cntrl:]	ASCII控制字符（ASCII 0到31和127）
[:digit:]	任意数字（同[0-9]）
[:graph:]	与[:print:]相同，但不包括空格
[:lower:]	任意小写字母（同[a-z]）
[:print:]	任意可打印字符
[:punct:]	既不在[:alnum:]又不在[:cntrl:]中的任意字符
[:space:]	包括空格在内的任意空白字符（同[\f\n\r\t\v]）
[:unnper:]	任意大写字母（同[A-Z]）
[:xdigit:]	任意十六进制数字（同[a-fA-F0-9]）

匹配多个实例

表重复元字符

元字符	说明
*	0个或多个匹配
+	1个或多个匹配（等于 {1，})
?	0个或1个匹配（等于{0,1}）
{n}	指定数目的匹配
{n, }	不少于指定数目的匹配
{n, m}	匹配数目的范围（m不超过255）

输入

SELECT prod_name
FROM products
WHERE prod_name REGEXP '\([0-9] sticks?\)'
ORDER BY prod_name;

输出

+----------------+
| prod_name      |
+----------------+
| TNT (1 stick)  |
| TNT (5 sticks) |
+----------------+

分析

\(匹配(，[0-9]匹配任意数字，sticks?匹配stick和sticks（s后的?使s可选，因为?匹配它前面的任何字符的0次或1次出现），\)匹配)。

输入

SELECT prod_name
FROM products
WHERE prod_name REGEXP '[[:digit:]]{4}'
ORDER BY prod_name;

输出

+--------------+
| prod_name    |
+--------------+
| JetPack 1000 |
| JetPack 2000 |
+--------------+

分析

[:digit:]匹配任意数字，因为它为数字的一个集合。{4}确切地要求它前面的字符（任意数字）出现4次，所以[[:digit:]]{4}匹配连在一起的任意4位数字。

上面的例子也可以如下编写：

SELECT prod_name
FROM products
WHERE prod_name REGEXP '[0-9][0-9][0-9][0-9]'
ORDER BY prod_name;

定位符

为了匹配特殊位置的文本，需要使用下表列出的定位符。

元字符	说明
^	文本的开始
$	文本的结尾
[[:<:]]	词的开始
[[:>:]]	词的结尾

输入

SELECT prod_name
FROM products
WHERE prod_name REGEXP '^[0-9\.]'
ORDER BY prod_name;

输出

+--------------+
| prod_name    |
+--------------+
| .5 ton anvil |
| 1 ton anvil  |
| 2 ton anvil  |
+--------------+

分析

^匹配串的开始。因此，^[0-9\.]只在.或任意数字为串中第一个字符时才匹配它们。

^的双重用途 ^有两种用法。在集合中（用[和]定义），用它来否定该集合，否则，用来指串的开始处。

使REGEXP起类似LIKE的作用 LIKE和REGEXP不同在于，LIKE匹配整个串而REGEXP匹配子串。利用定位符，通过用^开始每个表达式，用$结束每个表达式，可以使REGEXP的作用与LIKE一样。

简单的正则表达式测试 可以在不使用数据库表的情况下用SELECT来测试正则表达式。REGEXP检查总是返回0（没有匹配）或1（匹配），可以用带文字串的REGEXP来测试表达式，并试验它们，相应的语法如下：

SELECT 'hello' REGEXP '[0-9]';

这个例子显然将返回0。