Последнее обновление 17 мая 2026 г.

REGEXP_EXTRACT_OR_NULL

Описание

Извлекает из текстовой строки первую подстроку, соответствующую заданному шаблону регулярного выражения, а затем извлекает из неё определённую группу по индексу группы в выражении.

При сопоставлении наборов символов следует использовать стандартные классы символов Utf-8. Это позволяет функциям корректно распознавать и обрабатывать символы разных языков.

к сведению

Поддерживается начиная с Apache Doris 3.0.2

Если 'pattern' не является допустимым регулярным выражением, возникает ошибка

Классы символов, поддерживаемые по умолчанию: https://github.com/google/re2/wiki/Syntax

Doris поддерживает включение расширенных возможностей регулярных выражений, таких как проверки нулевой ширины с просмотром вперёд и назад, с помощью переменной сеанса enable_extended_regex (по умолчанию false).

Типы сопоставления символов, поддерживаемые при установке переменной сеанса enable_extended_regex в true: https://www.boost.org/doc/libs/latest/libs/regex/doc/html/boost_regex/syntax/perl_syntax.html

Синтаксис

REGEXP_EXTRACT_OR_NULL(<str>, <pattern>, <pos>)

Параметры

Параметр	Описание
`<str>`	Строковый параметр. Задаёт текстовую строку, в которой выполняется поиск совпадений с регулярным выражением. Строка может содержать любую комбинацию символов; функция ищет в ней подстроки, соответствующие .
`<pattern>`	Строковый параметр. Задаёт целевой шаблон регулярного выражения. Шаблон может включать различные метасимволы регулярных выражений и классы символов, которые точно определяют правила сопоставления подстроки
`<pos>`	Целочисленный параметр. Задаёт индекс группы выражения, которую нужно извлечь. Индексация начинается с 1. Если равен 0, возвращается вся первая подстрока, соответствующая шаблону. Если отрицателен или превышает число групп в шаблоне, функция возвращает NULL.

Возвращаемое значение

Возвращает значение строкового типа, содержащее фрагмент, соответствующий <pattern>.

Если входной параметр <pos> равен 0, возвращается вся первая совпавшая подстрока. Если входной параметр <pos> недопустим (отрицателен или превышает число групп выражения), возвращается NULL. Если совпадение с регулярным выражением не найдено, возвращается NULL. Если <pos> < 0, возвращается NULL; Если pos больше длины <str>, возвращается NULL;

Поведение по умолчанию:

Настройка по умолчанию	Поведение
`.` соответствует символу новой строки	`.` по умолчанию может соответствовать `\n` (символу новой строки).
С учётом регистра	Сопоставление выполняется с учётом регистра.
`^`/`$` соответствуют границам всей строки	`^` соответствует только началу строки, `$` соответствует только её концу, а не началу и концу отдельных строк.
Жадные квантификаторы	`*`, `+` и другие по умолчанию захватывают как можно больше символов.
UTF-8	Строки обрабатываются как UTF-8.

Модификаторы шаблона:

Поведение по умолчанию можно изменить, добавив перед pattern префикс (?flags). Можно сочетать несколько модификаторов, например (?im); префикс - отключает соответствующий параметр, например (?-s).

Модификаторы шаблона действуют только при использовании движка регулярных выражений по умолчанию. Если включён enable_extended_regex=true и используются проверки нулевой ширины (например, (?<=...), (?=...)), запрос обрабатывается движком Boost.Regex, и поведение модификаторов может отличаться от ожидаемого. Рекомендуется не сочетать их.

Флаг	Значение
`(?i)`	Сопоставление без учёта регистра
`(?-i)`	Сопоставление с учётом регистра (по умолчанию)
`(?s)`	`.` соответствует символу новой строки (включено по умолчанию)
`(?-s)`	`.` не соответствует символу новой строки
`(?m)`	Многострочный режим: `^` соответствует началу каждой строки, `$` соответствует концу каждой строки
`(?-m)`	Однострочный режим: `^`/`$` соответствуют границам всей строки (по умолчанию)
`(?U)`	Нежадные квантификаторы: `*`, `+` и другие захватывают как можно меньше символов
`(?-U)`	Жадные квантификаторы (по умолчанию): `*`, `+` и другие захватывают как можно больше символов

Пример

Извлечение определённой группы из совпадения. Пояснение: регулярное выражение ([[:lower:]]+)C([[:lower:]]+) ищет последовательности из одной или нескольких строчных букв, разделённые символом 'C'. Группа с индексом 1 соответствует первой последовательности строчных букв, поэтому возвращается 'b'.

SELECT REGEXP_EXTRACT_OR_NULL('123AbCdExCx', '([[:lower:]]+)C([[:lower:]]+)', 1);

+---------------------------------------------------------------------------+
| REGEXP_EXTRACT_OR_NULL('123AbCdExCx', '([[:lower:]]+)C([[:lower:]]+)', 1) |
+---------------------------------------------------------------------------+
| b                                                                         |
+---------------------------------------------------------------------------+

Возврат всей совпавшей подстроки. Если равен 0, возвращается вся первая подстрока, соответствующая шаблону.

SELECT REGEXP_EXTRACT_OR_NULL('123AbCdExCx', '([[:lower:]]+)C([[:lower:]]+)', 0);

+---------------------------------------------------------------------------+
| REGEXP_EXTRACT_OR_NULL('123AbCdExCx', '([[:lower:]]+)C([[:lower:]]+)', 0) |
+---------------------------------------------------------------------------+
| bCd                                                                       |
+---------------------------------------------------------------------------+

Недопустимый индекс группы. Поскольку шаблон содержит только 2 группы, индекс 5 выходит за допустимые границы, поэтому возвращается NULL.

SELECT REGEXP_EXTRACT_OR_NULL('123AbCdExCx', '([[:lower:]]+)C([[:lower:]]+)', 5);

+---------------------------------------------------------------------------+
| REGEXP_EXTRACT_OR_NULL('123AbCdExCx', '([[:lower:]]+)C([[:lower:]]+)', 5) |
+---------------------------------------------------------------------------+
| NULL                                                                      |
+---------------------------------------------------------------------------+

Регулярное выражение без совпадений. В строке 'AbCdE' нет фрагмента, полностью соответствующего шаблону

SELECT REGEXP_EXTRACT_OR_NULL('AbCdE', '([[:lower:]]+)C([[:upper:]]+)', 1);

+---------------------------------------------------------------------+
| REGEXP_EXTRACT_OR_NULL('AbCdE', '([[:lower:]]+)C([[:upper:]]+)', 1) |
+---------------------------------------------------------------------+
| NULL                                                                |
+---------------------------------------------------------------------+

Сопоставление китайских символов. Шаблон (\p{Han}+)(.+) сначала сопоставляется с одним или несколькими китайскими символами, а затем с любыми оставшимися символами. Группа с индексом 2 соответствует некитайской части строки, следующей за китайскими символами.

select REGEXP_EXTRACT_OR_NULL('这是一段中文 This is a passage in English 1234567', '(\\p{Han}+)(.+)', 2);

+---------------------------------------------------------------------------------------------------------+
| REGEXP_EXTRACT_OR_NULL('这是一段中文 This is a passage in English 1234567', '(\\p{Han}+)(.+)', 2)       |
+---------------------------------------------------------------------------------------------------------+
|  This is a passage in English 1234567                                                                   |
+---------------------------------------------------------------------------------------------------------+

Вставка данных в таблицу и извлечение подстрок

CREATE TABLE test_regexp_extract_or_null (
    id INT,
    text_column VARCHAR(255),
    pattern_column VARCHAR(255),
    position_column INT
) PROPERTIES ("replication_num"="1");

INSERT INTO test_regexp_extract_or_null VALUES
(1, 'abc123def', '([a-z]+)([0-9]+)([a-z]+)', 2),
(2, 'Hello World', '([A-Z][a-z]+) ([A-Z][a-z]+)', 0),
(3, '123-456-789', '([0-9]{3})-([0-9]{3})-([0-9]{3})', 3),
(4, 'example@example.com', '([a-z]+)@([a-z]+)\\.([a-z]+)', 1),
(5, '测试文本 test text', '(\\p{Han}+) (.+)', 1);

SELECT id, REGEXP_EXTRACT_OR_NULL(text_column, pattern_column, position_column) AS extracted_result
FROM test_regexp_extract_or_null
ORDER BY id;

+------+-----------------+
| id   | extracted_result|
+------+-----------------+
|    1 | 123             |
|    2 | Hello World     |
|    3 | 789             |
|    4 | example         |
|    5 | 测试文本          |
+------+-----------------+

Пример с эмодзи

SELECT regexp_extract_or_null('😀😊😎', '😀|😊|😎',0);

+------------------------------------------------------------+
| regexp_extract_or_null('😀😊😎', '😀|😊|😎',0)           |
+------------------------------------------------------------+
| 😀                                                          |
+------------------------------------------------------------+

Если 'str' равен NULL, возвращается NULL

SELECT REGEXP_EXTRACT_OR_NULL(NULL, '([a-z]+)', 1);

+---------------------------------------------+
| REGEXP_EXTRACT_OR_NULL(NULL, '([a-z]+)', 1) |
+---------------------------------------------+
| NULL                                        |
+---------------------------------------------+

Если 'pattern' равен NULL, возвращается NULL

SELECT REGEXP_EXTRACT_OR_NULL('Hello World', NULL, 1);

+------------------------------------------------+
| REGEXP_EXTRACT_OR_NULL('Hello World', NULL, 1) |
+------------------------------------------------+
| NULL                                           |
+------------------------------------------------+

Если 'pos' равен NULL, возвращается NULL

SELECT REGEXP_EXTRACT_OR_NULL('Hello World', '([a-z]+)', NULL);

+---------------------------------------------------------+
| REGEXP_EXTRACT_OR_NULL('Hello World', '([a-z]+)', NULL) |
+---------------------------------------------------------+
| NULL                                                    |
+---------------------------------------------------------+

Если все параметры равны NULL, возвращается NULL;

SELECT REGEXP_EXTRACT_OR_NULL(NULL,NULL,NULL);

+----------------------------------------+
| REGEXP_EXTRACT_OR_NULL(NULL,NULL,NULL) |
+----------------------------------------+
| NULL                                   |
+----------------------------------------+

Если pattern не является допустимым регулярным выражением, возникает ошибка;

mysql> SELECT REGEXP_EXTRACT_OR_NULL('123AbCdExCx', '([[:lower:]]+)C([[]ower:]]+)', 1);

ERROR 1105 (HY000): errCode = 2, detailMessage = (10.16.10.2)[INVALID_ARGUMENT]Could not compile regexp pattern: ([[:lower:]]+)C([[:lower:]+)
Error: missing ]: [[:lower:]+)

Расширенные регулярные выражения

SELECT regexp_extract_or_null('foo123bar', '(?<=foo)(\\d+)(?=bar)', 1);
-- ERROR 1105 (HY000): errCode = 2, detailMessage = (127.0.0.1)[INVALID_ARGUMENT]Invalid regex pattern: (?<=foo)(\d+)(?=bar). Error: invalid perl operator: (?<

SET enable_extended_regex = true;
SELECT regexp_extract_or_null('foo123bar', '(?<=foo)(\\d+)(?=bar)', 1);

+-----------------------------------------------------------------+
| regexp_extract_or_null('foo123bar', '(?<=foo)(\\d+)(?=bar)', 1) |
+-----------------------------------------------------------------+
| 123                                                             |
+-----------------------------------------------------------------+

Модификаторы шаблона

Сопоставление без учёта регистра: (?i) позволяет игнорировать регистр при сопоставлении

SELECT REGEXP_EXTRACT_OR_NULL('Hello World', '(hello)', 1) AS case_sensitive,
       REGEXP_EXTRACT_OR_NULL('Hello World', '(?i)(hello)', 1) AS case_insensitive;

+----------------+------------------+
| case_sensitive | case_insensitive |
+----------------+------------------+
| NULL           | Hello            |
+----------------+------------------+

. по умолчанию соответствует символу новой строки; используйте (?-s), чтобы исключить сопоставление . с символом новой строки

SELECT REGEXP_EXTRACT_OR_NULL('foo\nbar', '^(.+)$', 1) AS dot_match_nl,
       REGEXP_EXTRACT_OR_NULL('foo\nbar', '(?-s)^(.+)$', 1) AS dot_not_match_nl;

+--------------+------------------+
| dot_match_nl | dot_not_match_nl |
+--------------+------------------+
| foo
bar      | NULL             |
+--------------+------------------+

Многострочный режим: (?m) позволяет ^ и $ соответствовать началу и концу каждой строки

SELECT REGEXP_EXTRACT_OR_NULL('foo\nbar', '^(bar)', 1) AS single_line,
       REGEXP_EXTRACT_OR_NULL('foo\nbar', '(?m)^(bar)', 1) AS multi_line;

+-------------+------------+
| single_line | multi_line |
+-------------+------------+
| NULL        | bar        |
+-------------+------------+

Жадное и нежадное сопоставление: (?U) заставляет квантификаторы захватывать как можно меньше символов

SELECT REGEXP_EXTRACT_OR_NULL('aXbXc', '(a.*X)', 1) AS greedy,
       REGEXP_EXTRACT_OR_NULL('aXbXc', '(?U)(a.*X)', 1) AS non_greedy;

+--------+------------+
| greedy | non_greedy |
+--------+------------+
| aXbX   | aX         |
+--------+------------+

Описание​

Синтаксис​

Параметры​

Возвращаемое значение​

Пример​

Описание

Синтаксис

Параметры

Возвращаемое значение

Пример