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"。 |
(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。