关于正则表达式

Size: px

Start display at page:

Download "关于正则表达式"

会秘瓶浦
5 years ago
Views:

1 关于正则表达式 1 介绍 Oracle 在 10G 之前的版本, 对于字符串的处理有很大的局限性 ORACLE 10G 引入的正则表达式的函数, 对字符串的处理有了极大的提高接下来会给大家介绍相关函数的语法, 以及通过一些简单的例子来说明正则表达式的应用 Oracle 10G 正则表达式函数共有 4 个 : REGEXP_REPLACE REGEXP_SUBSTR REGEXP_INSTR REGEXP_LIKE 在 11G 的版本中又引入了一个新的函数 REGEXP_COUNT, 这些函数可以被应用在 SQL 语句及 PL/SQL 程序逻辑中 1-1 使用正则表达式的函数对给定字符串进行格式检查先举几个例子思考一下如果不使用正则表达式的方法应该怎么来做, 1) 字符串中的字符是数字吗? 能想到最简单的方法就使用 TO_NUMBER 函数, 如果不能转换抛出异常, 扑获异常然后再处理异常 2) 日期格式的 CHECK 能想到最简单的方法就使用 TO_DATE 函数, 如果不能转换抛出异常, 捕获异常然后再处理异常事实上这里存在些问题, 如给的日期格式是 YYYY-MM-DD', 而你需要检查的字符串是 2008/09/12', 转化是不会抛出异常, 这在一定程度上, 并没有满足业务的要求 3) 我要保证字符串是在 a1-a100 之间我要 CHECK 字符串是否是有效的地址诸如此类的问题, 就没有现成的方法进行实现了 1-2 可以使用这些函数对字符串进行变换处理提取消除字符串部分的字符, 改变字符串中子字符串的排序或作格式的变换 2 函数的语法解释 REGEXP_LIKE Link: REGEXP_SUBSTR Link: REGEXP_REPLACE Link: REGEXP_INSTR Link: REGEXP_COUNT Link: 3. 关于原字符原字符是构成模式 (pattern) 的基础, 因此我们需要深刻理解它的含义元字符 ^ 描述錨点行的开始在 [] 中使用代表排除 $ 錨点行的结尾 * 匹配 0 或更多次? 匹配 0 或 1 次 + 匹配 1 或更多次

2 {m} 匹配 m 次 {m,} 匹配至少 m 次 {m,n} 匹配至少每次, 但不超过 n 次 [] 字符组列表 - 连字符表示范围, 在 [ ] 中使用 () 分组选择通配符, 表示任选其一代表它自己 \ 引用下一个字符介绍一个操作符什么都不作 \n n 是一个数字 ( 从 1 到 9) 代表捕获第 n 个由 '(' 和 ) 之间的子表达式预定义字符类元字符描述 [:alpha:] 字母字符 [:lower:] 小写字母字符 [:upper:] 大写字母 [:digit:] 数字 (0-9) [:alnum:] 字母和数字 [:blank:] 空格 [:space:] [:punct:] 空白表示包括空格水平制表符垂直制表符回车符换行符等等标点符号 [:cntrl:] 控制符 [:graph:] [:print:] 非空字符 ( 即空白字符, 控制之外的字符 ) 类似 [:graph:] 但包含空白字符 [:xdigit:] 十六进制中允许出现的数字 ( 例如 0-9a-zA-F) 受 PERL 影响在 ORACLE 中的扩展元字符描述 \d 数字字符

3 \D 非数字字符 \w 单词字符 \W 非单词字符 \s 空白字符 \S 非空白字符 \A 仅仅匹配字符串的开始或者在一个字符串之后在新的一行字符之前 \Z 仅仅匹配一个字符串尾 *? 匹配 0 个或者更多的 ( 非独占优先量词 ) +? 匹配一个或者更多的 ( 非独占优先量词 )?? 匹配 0 个或者 1 个 ( 非独占优先量词 ) {n}? 匹配 n 个 ( 非独占优先量词 ) {n,}? 匹配至少 n 个 ( 非独占优先量词 ) {n,m}? 匹配至少 n 个但不超过 m 个 ( 非独占优先量词 ) 4 应用举例 4-1 关于数字 CHECK 上记中提到的数字 check 的问题, 用正则表达式来解决更为简单使用 regexp_like 函数, 返回 boolean 值 Regular Expression: ^[[:digit:]]+$ test_data VARCHAR2(100) := '1234'; pattern varchar2(100) := '^[[:digit:]]+$'; if regexp_like(test_data, pattern) then dbms_output.put_line('test data is digital!'); dbms_output.put_line('test data is not digital!'); / 4-2 关于日期的检查上记中提到的日期检查的问题, 用正则表达式来解决更为准确检查的日期格式为 YYYY/MM/DD

4 Regular Expression: ^[[:digit:]]{4}/[[:digit:]]{0,2}/[[:digit:]]{2}$ test_data varchar2(100) := '1999/9/19'; pattern varchar2(100) := '^[[:digit:]]{4}/[[:digit:]]{0,2}/[[:digit:]]{2}$'; if regexp_like(test_data, pattern) then dbms_output.put_line('test date data is right format!'); dbms_output.put_line('test data is wrong format!'); / 上记的 pattern 对月份的 check 并不是很完善, 只要求 2 位的数字让我们完善月份的检查 Regular Expression: ^[[:digit:]]{4}/(0?[1-9] 1[0-2])/[[:digit:]]{2}$ test_data varchar2(100) := '1999/15/19'; pattern varchar2(100) := '^[[:digit:]]{4}/(0?[1-9] 1[0-2])/[[:digit:]]{2}$'; if regexp_like(test_data, pattern) then dbms_output.put_line('test date data is right format!'); dbms_output.put_line('test data is wrong format!'); / RESULT: 让我们进一步完善对日期的检查

5 Regular Expression: ^[[:digit:]]{4}/(0?[1-9] 1[0-2])/(0?[1-9] [1-2][0-9] 3[0-1])$ ^[[:digit:]]{4}/(0?[1-9] 1[0-2])/([0-2]?[1-9] [1-3]0 31)$ ^[[:digit:]]{4}/(0?[1-9] 1[0-2])/([1-3]0 [0-3]?1 [0-2]?[2-9])$ test_data varchar2(100) := '1999/9/35'; pattern varchar2(100) := '^[[:digit:]]{4}/(0?[1-9] 1[0-2])/(0?[1-9] [1-2][0-9] 3[0-1])$'; if regexp_like(test_data, pattern) then dbms_output.put_line('test date data is right format!'); dbms_output.put_line('test data is wrong format!'); / RESULT: 4-3 关于 regexp_instr 函数使用的例子 Regular Expression: [^ ]+ SELECT REGEXP_INSTR('500 Oracle Parkway, Redwood Shores, CA','[^ ]+', 1, 6) "REGEXP_INSTR" FROM DUAL 4-4 关于 regexp_substr 函数使用的例子 Regular Expression: SELECT REGEXP_SUBSTR(' "REGEXP_SUBSTR" FROM DUAL; 4-5 关于 regexp_replace 函数使用的例子 Regular Expression: ([[:digit:]]{3})\.([[:digit:]]{3})\.([[:digit:]]{4})

6 SELECT REGEXP_REPLACE(' ', '([[:digit:]]{3})\.([[:digit:]]{3})\.([[:digit:]]{4})', '(\1) \2-\3') "REGEXP_REPLACE" FROM dual 5 项目实例 5-1 之前遇到过一个例子, 业务上希望检查字段是由数字和大写字母组成的程序的实现方式如下, FOR i in 1..length(parameter) loop if (instr(' abcdefghijklmnopqrstuvwxyz',substr(parameter,i,1)) = 0) then flag := error flag; end loop; 为了实现这个业务逻辑使用了一个循环和 if 语句,instr 函数中的字符串很长而且极易遗漏其中的某些字符如果这段业务用正则表达来实现的话, 不仅简化了逻辑, 而且极大地提高了性能正则表达式实现如下 : regexp_like(parameter,'^[0-9a-z]+$','c') 用正则表达式实现就这么简单, 孰优孰劣大家应该一目了然了吧 5-2 关于多个参数有重复录入的检查用户从录入画面输入了多个参数, 现在想对这多个参数做一个检查, 检查是否有参数重复的情况如果通过每个参数循环一边来实现, 考虑到性能的因素, 这个方案一定不是个最优的办法用正则表达式来解决, 首先要把这几个参数格式化为一个字符串, 然后用整则表达式来做判断假设输入的参数为 :abc def mno abc ccc 用 '<' 和 '>' 字符来分隔个参数后的字符串为 <abc><def><mno><abc><ccc> 正则表达式 : <([[:alnum:]]+)>(<[[:alnum:]]*>)*<\1> -- 不对空值作检查 test_data varchar2(100) := '<abc><def><mno><abc><ccc>'; pattern varchar2(100) := '<([[:alnum:]]+)>(<[[:alnum:]]*>)*<\1>'; if regexp_like(test_data, pattern, 'i') then null; dbms_output.put_line('parameter ' regexp_replace(regexp_substr(regexp_substr(test_data, pattern, 1, 1, 'i'), '<[[:alnum:]]+>',1,1,'i'),'[<>]','') ' is duplicate.'); 5-3 在谓词中满足与多个参数的字符串相匹配的正则表达式的实现可能会给出不定个数的参数情况

7 1:A%-- 以 A 开头的所有字符串情况 2:%B-- 以 B 结尾的所有字符串情况 3:A%B-- 以 A 开头以 B 结尾的任意字符串情况 4:A_B-- 以 A 开头以 B 结尾中间有一个任意字符串请况 5:A[1-9] 以 A 开头以数字 1-9 范围内的数字结尾的字符串请况 6:A[a-z] 以 A 开头以字母 a-z 范围内的字母结尾的字符串给定参数可以根据以上 6 种情况, 交叉组合给出筛选条件例如 :A.%,%c%,%B,_E%f,m[0-5] 按照正则表达式来实现, 可以考虑把给定的不确定参数, 作为正则表达式的 pattern, 但需要进行格式变换, 转化成正则表达式能够识别的元字符正则表达式 : 给定参数字符串 test_data varchar2(100) := 'a.bc'; para varchar2(100) := 'a.%,%b*,c%d'; dbms_output.put_line('pattern:' replace( '^' replace(replace(regexp_replace(para, '([.*])','[' '\1' ']', 1, 0), '%', '.*'), '_', '.') '$', ',', '$ ^')); if regexp_like(test_data,replace( '^' replace(replace(regexp_replace(para, '([.*])','[' '\1' ']', 1, 0), '%', '.*'), '_', '.') '$', ',', '$ ^'), 'i') then dbms_output.put_line('match!'); dbms_output.put_line('not Match!'); 5-4 在标量子查询中的应用在 SQL 语句中, 恰当的使用标量子查询, 可以提高 SQL 语句的性能但每个标量子查询只能返回一个字段, 当多个字段都需要使用标量子查询的方法检索出来时, 最好的办法是把这些字段组合成一个字符串, 作为一个字段返回在接下来的处理就会遇到, 如何把这些不同字段返回值拆分出来的问题 Regular Express: ^<([[:alnum:]]+)><([[:alnum:]]+)><([[:alnum:]]+)><([[:alnum:]]+)>$ 检索的字段字符串 : <1abc><2def><3mno><4rst> TEST test_data varchar2(100) := '<1abc><2def><3mno><4rst>'; pattern varchar2(100) := '^<([[:alnum:]]+)><([[:alnum:]]+)><([[:alnum:]]+)><([[:alnum:]]+)>$'; dbms_output.put_line('the first parameter: ' regexp_replace(test_data, pattern, '\1',1,0, 'i')); dbms_output.put_line('the second parameter: ' regexp_replace(test_data, pattern, '\2',1,0, 'i')); dbms_output.put_line('the third parameter: ' regexp_replace(test_data, pattern, '\3',1,0, 'i')); dbms_output.put_line('the forth parameter: ' regexp_replace(test_data, pattern, '\4',1,0, 'i'));

8 RESULT: 拆分另外一种解决方案 : 在 4 个函数中都可以设置匹配参数, 匹配参数其中有一个是 m 它表示把原字符串作为多行来对待, 通过我的测试, 当字符串中包含换行符的时候, 这个匹配参数是起作用的利用了这一点, 我们来实现字符串的拆分 Regular Express: ^.*$ 检索的字段字符串 :'ab c' chr(10) 'def 你好 ' chr(10) '' chr(10) 'mon' str varchar2(100) := 'ab c' chr(10) 'def 你好 ' chr(10) '' chr(10) 'mon'; pattern varchar2(100) := '^.*$'; dbms_output.put_line('first para:' regexp_substr(str,pattern,1,1,'im')); dbms_output.put_line('second para:' regexp_substr(str,pattern,1,2,'im')); dbms_output.put_line('third para:' regexp_substr(str,pattern,1,3,'im')); dbms_output.put_line('forth para:' regexp_substr(str,pattern,1,4,'im'));

! $%%&! (!"# $%%& $) * +, -. / 0 *-./ 0 /1 -!!!!!! 21.!!!!!! 31 /!!!!!! 41 0 $%%& )% $%%& 5 $%%& 6 $%%& $%%& ( #!! " #

! $%%&! (!# $%%& $) * +, -. / 0 *-./ 0 /1 -!!!!!! 21.!!!!!! 31 /!!!!!! 41 0 $%%& )% $%%& 5 $%%& 6 $%%& $%%& ( #!! # !! "#!"#$%& ()*+,-./01234,5 %$$" %$$" 6!7%$$" 8-. (9:2;< %$$" &$ %!!!!!!!!!!!!! ( $$$ $) $$$ #$) *$)!!!! " #$ ! $%%&! (!"# $%%& $) * +, -. / 0 *-./ 0 /1 -!!!!!! 21.!!!!!! 31 /!!!!!! 41 0 $%%& )% $%%& 5