REGEXP_EXTRACT
描述
此函数用于对给定字符串 STR 执行正则匹配,并提取符合指定模式的第 POS 个匹配部分。若函数要返回匹配结果,该模式必须与 STR 的某些部分完全匹配。
若未找到匹配项,将返回空字符串。 需要注意的是,在处理字符集匹配时,应使用 Utf-8 标准字符类。这确保函数能够正确识别和处理来自不同语言的各种字符。
str参数为'string' 类型,表示要进行正则匹配的字符串。 pattern参数为'string' 类型,表示目标正则表达式模式。 pos参数为 'integer' 类型,用于指定字符串中开始搜索正则表达式匹配的位置。位置从 1 开始,此参数必须指定。
如果 'pattern' 参数不符合正则表达式,则抛出错误
支持的字符匹配种类 : https://github.com/google/re2/wiki/Syntax
语法
REGEXP_EXTRACT(<str>, <pattern>, <pos>)
参数
参数 | 描述 |
---|---|
<str> | 需要进行正则匹配的列,类型为'string'。 |
<pattern> | 目标正则表达式模式,类型为'string'。 |
<pos> | 用于指定字符串中开始搜索正则表达式匹配位置的参数,为整数值,表示字符串中的字符位置(从 1 开始)。pos必须指定。 |
返回值
模式的匹配部分,类型为 Varchar。若未找到匹配项,将返回空字符串
示例
提取第一个匹配部分,在此示例中,正则表达式([[:lower:]]+)C([[:lower:]]+)匹配字符串中一个或多个小写字母后跟 'C' 再跟一个或多个小写字母的部分。'C' 之前的第一个捕获组([[:lower:]]+)匹配 'b',因此结果为 'b'
mysql> SELECT regexp_extract('AbCdE', '([[:lower:]]+)C([[:lower:]]+)', 1);
+-------------------------------------------------------------+
| regexp_extract('AbCdE', '([[:lower:]]+)C([[:lower:]]+)', 1) |
+-------------------------------------------------------------+
| b |
+-------------------------------------------------------------+
提取第二个匹配部分,这里,'C' 之后的第二个捕获组([[:lower:]]+)匹配 'd',因此结果为 'd'。
mysql> SELECT regexp_extract('AbCdE', '([[:lower:]]+)C([[:lower:]]+)', 2);
+-------------------------------------------------------------+
| regexp_extract('AbCdE', '([[:lower:]]+)C([[:lower:]]+)', 2) |
+-------------------------------------------------------------+
| d |
+-------------------------------------------------------------+
匹配中文字符,模式(\p{Han}+)(.+)首先匹配一个或多个中文字符(\p{Han}+),然后匹配字符串的剩余部分((.+))。第二个捕获组匹配字符串的非中文部分,因此结果为 'This is a passage in English 1234567'。
mysql> select regexp_extract('这是一段中文 This is a passage in English 1234567', '(\\p{Han}+)(.+)', 2);
+-----------------------------------------------------------------------------------------------+
| regexp_extract('这是一段中文 This is a passage in English 1234567', '(\p{Han}+)(.+)', 2) |
+-----------------------------------------------------------------------------------------------+
| This is a passage in English 1234567 |
+-----------------------------------------------------------------------------------------------+
插入变量值并执行匹配,此示例向表中插入数据,然后使用 REGEXP_EXTRACT 函数根据存储的模式和位置从存储的字符串中提取匹配部分。
CREATE TABLE test_table_for_regexp_extract (
id INT,
text_data VARCHAR(500),
pattern VARCHAR(100),
pos INT
) PROPERTIES ("replication_num"="1");
INSERT INTO test_table_for_regexp_extract VALUES
(1, 'AbCdE', '([[:lower:]]+)C([[:lower:]]+)', 1),
(2, 'AbCdE', '([[:lower:]]+)C([[:lower:]]+)', 2),
(3, '这是一段中文 This is a passage in English 1234567', '(\\p{Han}+)(.+)', 2);
SELECT id, regexp_extract(text_data, pattern, pos) as extract_result FROM test_table_for_regexp_extract ORDER BY id;
+------+----------------+
| id | extract_result |
+------+----------------+
| 1 | b |
| 2 | d |
| 3 | This is a passage in English 1234567 |
+------+----------------+
无匹配的模式,由于模式([[:digit:]]+)(一个或多个数字)与字符串 'AbCdE' 的任何部分都不匹配,因此返回空字符串
SELECT regexp_extract('AbCdE', '([[:digit:]]+)', 1);
+------------------------------------------------+
| regexp_extract('AbCdE', '([[:digit:]]+)', 1) |
+------------------------------------------------+
| |
+------------------------------------------------+
emoji字符匹配
SELECT regexp_extract('Text 😊 More 😀', '😊|😀',0);
+------------------------------------------------------+
| regexp_extract('Text 😊 More 😀', '😊|😀',0) |
+------------------------------------------------------+
| 😊 |
+------------------------------------------------------+
1 row in set (0.02 sec)
'str' 是NULL,则返回NULL
mysql> SELECT REGEXP_EXTRACT(NULL, '([a-z]+)', 1);
+-------------------------------------+
| REGEXP_EXTRACT(NULL, '([a-z]+)', 1) |
+-------------------------------------+
| NULL |
+-------------------------------------+
'pattern' 是NULL,则返回NULL
mysql> SELECT REGEXP_EXTRACT('Hello World', NULL, 1);
+----------------------------------------+
| REGEXP_EXTRACT('Hello World', NULL, 1) |
+----------------------------------------+
| NULL |
+----------------------------------------+
'pos' 是NULL,则返回NULL
mysql> SELECT REGEXP_EXTRACT('Hello World', '([a-z]+)', NULL);
+-------------------------------------------------+
| REGEXP_EXTRACT('Hello World', '([a-z]+)', NULL) |
+-------------------------------------------------+
| NULL |
+-------------------------------------------------+
全部参数是NULL,则返回NULL
mysql> SELECT REGEXP_EXTRACT(NULL, NULL, NULL);
+----------------------------------+
| REGEXP_EXTRACT(NULL, NULL, NULL) |
+----------------------------------+
| NULL |
+----------------------------------+
如果 'pattern' 参数不符合正则表达式,则抛出错误
SELECT regexp_extract('AbCdE', '([[:digit:]]+', 1);
ERROR 1105 (HY000): errCode = 2, detailMessage = (10.16.10.2)[INVALID_ARGUMENT]Could not compile regexp pattern: ([[:digit:]]+
Error: missing ): ([[:digit:]]+