【MySQL必知必会】第9章用正则表达式进行搜索

正则表达式介绍

前两章中的过滤例子允许用匹配、比较和通配操作符寻找数据。对于一般的过滤来说，是够了，不过随着过滤条件的复杂性的增加，就越来越不方便了。所以说用正则表达式是非常有必要的。

使用MySQL正则表达式

正则表达式的作用是匹配文本，将一个模式（正则表达式）与一个文本串进行比较。MySQL用WHERE子句对正则表达式提供了初步的支持，允许你指定正则表达式，过滤SELECT检索出的数据。

示例：

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

看上去和LIKE很像。至少在这个例子中可以改写为：

SELECT prod_name FROM Products WHERE prod_name LIKE '%1000' ORDER BY prod_name;

再来看一个例子：

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

.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，因此，1000和2000都匹配且返回。当然啦，这个也可以用LIKE做到。

SELECT prod_name FROM Products WHERE prod_name LIKE '%000' ORDER BY prod_name;

那，为啥要用REGEXP呢？

因为LIKE和REGEXP的使用场景不一样。LIKE是匹配整个列，而REGEXP是在列值内进行匹配，如果被匹配的文本在列值中出现，REGEXP将会找到它，相应的行将被返回。REGEXP也可以用来匹配整个列，只要加上^和$即可。

MySQL中的正则不区分大小写。为了区分大小写，可以用BINARY关键字(binary)。

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|.

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

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，因此1000和2000都匹配并返回。
使用|从功能上类似于在SELECT语句中使用OR语句，多个OR条件可并入单个正则表达式。
改造成OR：

SELECT prod_name FROM Products WHERE prod_name LIKE '%1000%' OR prod_name LIKE '%2000%' ORDER BY prod_name;

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

如果你只想匹配特定的某个字符，怎么办？可通过指定一组用[和]括起来的字符来完成。

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

这里，使用了正则表达式[123] Ton。[123]定义一组字符，它的意思是匹配1或2或3，因此，1 ton和2 ton都匹配且返回（没有3 ton）。
从耗时我们可以看出来，用正则还真挺慢的。

再来看一个对比的例子，用于区分|和[]：

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

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。
字符集合也可以被否定，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。[^123]却匹配除1，2，3外的任何东西。

SELECT prod_name FROM Products WHERE prod_name REGEXP '[^12] Ton' ORDER BY prod_name;

匹配范围

集合可用来定义要匹配的一个或多个字符。
比如，集合[0123456789]用来匹配一位数字，但是这样写太sb了。我们可以[0-9]这样写。范围不限于完整的集合，[1-3]和[6-9]也是合法的范围。此外，范围不一定只是数值的，[a-z]匹配任意字母字符。

举个栗子：

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

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到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

正则表达式语言由具有特定含义的特殊字符构成。我们已经看到.、[]、|和-等，还有其他一些字符。那么问题来了，想匹配文本中的这些字符咋整？这些字符会被认为是有特殊功能的。
先试试看：

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

咦？为什么全找出来了。不是说好了匹配.的吗？
在MySQL中，为了匹配特殊字符，必须用\\为前导。\\-表示查找-，\\.表示查找.。
这才是我们想要的语句：

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

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。

为了匹配反斜杠（\）字符本身，需要使用\\\。
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

存在找出你自己经常使用的数字、所有字母字符或所有数字字母字符等的匹配。为更方便工作，可以使用预定义的字符集，称为字符类（character class）。

这种一般不常用。只举几个例子吧。

SELECT vend_name FROM vendors WHERE vend_name REGEXP '[:upper:]' ORDER BY vend_name;

SELECT vend_name FROM vendors WHERE vend_name REGEXP '[:blank:]' ORDER BY vend_name;

匹配多个实例

目前为止使用的所有正则表达式都试图匹配单次出现。如果存在一个匹配，该行被检索出来，如果不存在，检索不出任何行。
但有时需要对匹配的数目进行更强的控制。例如，你可能需要寻找所有的数，不管
数中包含多少数字。这可以用表9-3列出的正则表达式重复元字符来完成。

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

sticks? 这个s后面的?代表匹配0次或者1次s。 于是TNT (1 stick)和TNT (5 sticks)都匹配出来了。

以下是另一个例子。这次我们打算匹配连在一起的4位数字：

SELECT prod_name FROM Products WHERE prod_name REGEXP '[0-9]{4}';

当然啦，我也可以这么写：

SELECT prod_name FROM Products WHERE prod_name REGEXP '[[:digit:]]{4}';

定位符

目前为止的所有例子都是匹配一个串中任意位置的文本。
为了匹配特定位置的文本，需要用到下表中列出的定位元字符。

如果你想找出以一个数（包括以小数点开始的数）开始的所有产品，怎么办？简单搜索[0-9\\.]（或[[:digit:]\\.]）不行，因为它将在文本内任意位置查找匹配。解决办法是使用^定位符。

勘误一下哈，书里这样的写法并不好。在[]中，大多数元字符都被当成了普通字符来对待了。我们来验证一下：

所以我们这样写就能达到目的：

SELECT prod_name FROM Products WHERE prod_name REGEXP '^[.0-9]';

^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 本章前面说过，LIKE和REGEXP的不同在于，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。

当然啦，这章是正则的最最基本的应用。最好还是看一下正则表达式必知必会。