Oracle 正则表达式

转载：http://www.cnblogs.com/gkl0818/archive/2009/02/12/1389521.html

就是由普通字符（例如字符a到z）以及特殊字符（称为元字符）组成的文字模式。该模式描述在查找文字主体时待匹配的一个或多个字符串。正则表达式作为一个模板，将某个字符模式与所搜索的字符串进行匹配。

本文详细地列出了能在正则表达式中使用，以匹配文本的各种字符。当你需要解释一个现有的正则表达式时，可以作为一个快捷的参考。更多详细内容，请参考：Francois Liger,Craig McQueen,Pal Wilton[刘乐亭译] C#字符串和正则表达式参考手册北京：清华大学出版社2003.2

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

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
	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
	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

注：定位字符可以应用于字符或组合，放在字符串的左端或右端

四.     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：[A-Z][a-z]+(?<lastName>[A-Z][a-z]+) 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

五.     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

注：上面表中列出的字符强迫处理器执行一次if-else决策

六.     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

注：以上为常用替换字符，不全

七.     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“$”
	匹配换行符
	匹配回车符
	匹配制表符
v	匹配垂直制表符
f	匹配换面符
nn	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

八.     选项标志

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

注：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

oracle的正则表达式(regular expression)简单介绍

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。

REGEXP_REPLACE(source_string,pattern,replace_string,position,occurtence,match_parameter)函数(10g新函数)
   描述:字符串替换函数。相当于增强的replace函数。Source_string指定源字符表达式；pattern指定规则表达式；replace_string指定用于替换的字符串；position指定起始搜索位置；occurtence指定替换出现的第n个字符串；match_parameter指定默认匹配操作的文本串。
   其中replace_string,position,occurtence,match_parameter参数都是可选的。

REGEXP_SUBSTR(source_string, pattern[,position [, occurrence[, match_parameter]]])函数(10g新函数)
    描述：返回匹配模式的子字符串。相当于增强的substr函数。Source_string指定源字符表达式；pattern指定规则表达式；position指定起始搜索位置；occurtence指定替换出现的第n个字符串；match_parameter指定默认匹配操作的文本串。
    其中position,occurtence,match_parameter参数都是可选的

match_option的取值如下：
 ‘c’   说明在进行匹配时区分大小写（缺省值）；
  'i'   说明在进行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_LIKE(source_string, pattern[, match_parameter])函数(10g新函数)
    描述：返回满足匹配模式的字符串。相当于增强的like函数。Source_string指定源字符表达式；pattern指定规则表达式；match_parameter指定默认匹配操作的文本串。
    其中position,occurtence,match_parameter参数都是可选的

REGEXP_INSTR(source_string, pattern[, start_position[, occurrence[, return_option[, match_parameter]]]])函数(10g新函数)
    描述: 该函数查找 pattern ，并返回该模式的第一个位置。您可以随意指定您想要开始搜索的 start_position。 occurrence 参数默认为 1，除非您指定您要查找接下来出现的一个模式。return_option 的默认值为 0，它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

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:]]$') from test;
Select REGEXP_INSTR(mc,'[[:digit:]]+$') 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
b bbbbb

SQL> select * from test where regexp_like(id,'b','i'); --不区分数据大小写

ID MC
-------------------- ------------------------------------------------------------
B BBBBB
b bbbbb