Oracle中的正则表达式(及函数)详解

1、概述

相信大家对正则表达式都不陌生，从linux下的命令到Java等编程语言，正则表达式无处不在，虽然我们实际使用的时候也并不一定太多，但是当我们要处理字符串时，它确实是一个强大的工具。

上一篇文章（Oracle中的字符串类型及相关函数详解）中，已经介绍了一些串相关的函数，也列出了用于正则表达式的函数，本文就正式介绍他们。

本文基于Oracle 12c ，可能部分内容在较老的版本中不适用。

运算符

在介绍函数前，这里先说明一下Oracle中正则表达式运算符及其描述。

如果不知道他们有什么用，或者也不知道描述说的是什么，没关系，可以先看后面的介绍，就知道他们的含义了。

合理的使用这些运算符，配合正则表达式相关的函数，不但可以让字符串处理变得更加高效，还能大大的减少代码量。

2、相关函数

统一说明：
函数中pattern为正则表达式，最多可以包含512个字节。

下面的介绍中，是不同的函数，如若参数描述字符串相同，即他们的意思也是相同的（如regexp_substr函数和regexp_instr函数中的position意思都是表示开始搜索的位置），为了内容紧凑，只在那个参数第一次出现的地方作介绍。

参数带char的表示简单的串类型，带string的可以包含大对象串类型（如clob）。

惯例，“[]”表示可选参数。

2.1、REGEXP_SUBSTR

REGEXP_SUBSTR函数使用正则表达式来指定返回串的起点和终点。

语法：

    regexp_substr(source_string,pattern[,position[,occurrence[,match_parameter]]])

source_string：源串，可以是常量，也可以是某个值类型为串的列。

position：从源串开始搜索的位置。默认为1。

occurrence：指定源串中的第几次出现。默认值1.

match_parameter：文本量，进一步订制搜索，取值如下：

• ‘i’ 用于不区分大小写的匹配。
• ‘c’ 用于区分大小写的匹配。
• ‘n’ 允许将句点“.”作为通配符来匹配换行符。如果省略改参数，句点将不匹配换行符。
• ‘m’ 将源串视为多行。即将“^”和“$”分别看做源串中任意位置任意行的开始和结束，而不是看作整个源串的开始或结束。如果省略该参数，源串将被看作一行来处理。
• 如果取值不属于上述中的某个，将会报错。如果指定了多个互相矛盾的值，将使用最后一个值。如’ic’会被当做’c’处理。
• 省略该参数时：默认区分大小写、句点不匹配换行符、源串被看作一行。

例1：

select regexp_substr('MY INFO: Anxpp,22，and boy','my',1,1,'i') from users; 

将返回MY，如果将match_parameter改为’c’将不返回任何内容（null）。

例2：

select regexp_substr('MY INFO: Anxpp,23，and boy','[[:digit:]]',1,2) from users;

此处会返回3。

注意这里同时用到了“[]”和“[:digit:]”。

2.2、REGEXP_INSTR

REGEXP_INSTR函数使用正则表达式返回搜索模式的起点和终点（整数）。如果没有发现匹配的值，将返回0。

语法：

regexp_instr(source_string,pattern[,position[,occurrence[,return_option[,match_parameter]]]])

return_option：为0时，返回第一个字符出现的位置，与instr作用相同。为1时，返回所搜索字符出现以后下一个字符的位置。默认为0。

例1：

select regexp_instr('MY INFO: Anxpp,23，and boy','[[:digit:]]') from users;

该例会返回16。

REGEXP_INSTR函数常常会被用到where子句中。

2.3、REGEXP_LIKE

通常使用REGEXP_LIKE进行模糊匹配。

语法：

regexp_like(source_string,pattern[match_parameter])

比如，查找电话好吗以666开头的：

select name from users where regexp_like(phone,'666');

例1：

select * from users where regexp_like('MY INFO: Anxpp,23，and boy','[[:digit:]]');

此例判断串中是否包含数字。

该函数可以使用前面介绍的所有搜索功能作为REGEXP_LIKE搜索的一部分，可以是非常复杂的搜索变得简单。

2.4、REPLACE和REGEXP_REPLACE

REPLACE函数用于替换串中的某个值。

语法：

    replace(char,search_string[,replace_string])

如果不指定replace_string，会将搜索到的值删除。

输入可以是任何字符数据类型：char,varchar2,nchar,nchar,nvarchar2,clob或nclob。

例1：

select replace('MY INFO: Anxpp,23，and boy','an') from users;

返回：MY INFO: Anxpp,23，d boy

下面演示使用该函数计算某字串在源串中出现的次数：

select (length('MY INFO: Anxpp,23，and boy')-length(replace('MY INFO: Anxpp,23，and boy','an')))/length('an') from users;

REGEXP_REPLACE是REPLACE的增强版，支持正则表达式，扩展了一些功能。
语法：

regexp_replace(source_string,pattern[,replace_string[,position[,occurrence[,match_parameter]]]])

replace_string表示用什么来替换source_string中与pattern匹配的部分。

occurrence为非负整数，0表示所有匹配项都被替换，为正数时替换第n次匹配。

其他参数在前面都已经介绍过了。

例1：

想象这样一个场景：有一个分布式的爬虫，负责抓取网页的程序已经将数据存入数据库，而当前负责处理的程序需要从其中读取其中的一些数据，包括电话号码。号码一般是11为，前3位区号，中间4位表示交换机，再加上后面4位，格式也不能确定，我们可以试着用下面的SQL来读取，生成我们想要的格式：

    select regexp_replace('电话：[phone] 邮箱：[e-mail]',
    '.*([[:digit:]]{3})([^[:digit:]]{0,2})([[:digit:]]{4})([^[:digit:]]{0,2})([[:digit:]]{4}).*',
    '(\1)\3\5'
    ) phone from users;

该例返回：[phone]

“\1”、“\3”、“\5”分别表示第1、3、5个数据集。其他的，大家慢慢看就能看懂了。

配合where子句，可以限制要返回的行。

2.5、REGEXP_COUNT

REGEXP_COUNT函数返回在源串中出现的模式的次数，作为对REGEXP_INSTR函数的补充。

虽然COUNT是一个集合函数，操作的是行组，但是REGEXP_COUNT是单行函数，分别计算每一行。
语法：

    regexp_count(source_char,pattern[,position[,match_param]])

REGEXP_COUNT返回pattern在source_char串中出现的次数。如果未找到匹配，函数返回0。

• metch_param参数，相对于前面介绍的match_parameter参数多一个取值“x”。
• ‘x’：忽略空格字符。默认情况下，空格与自身想匹配。
• metch_param如果指定了多个互相矛盾的值，将使用最后一个值。

前面介绍了使用replace函数统计字串在源串中出现的次数，这里可以使用REGEXP_COUNT实现，而且看起来更简单：

select regexp_count('MY INFO: Anxpp,23，and boy','an') from users;

返回：1

此处还是使用match_param参数进行不区分大小写搜索：

    select regexp_count('MY INFO: Anxpp,23，and boy','an',1,'i') from users;

返回：2

3、总结

以上正则表达式相关函数的使用，主要体现在对正则表达式的掌握程度上，如果精通了正则表达式，一些非常复杂的串处理，也能用比较简洁的代码完成。