转官方:Oracle中的正则表达式

Oracle 10g数据库内建了符合IEEE POSIX (Portable Operating System for Unix)标准的正则表达式。熟练使用正则表达式，可以写出简洁，强大的SQL语句。

正则表达式有几个优点优于常见的LIKE操作符和INSTR、SUBSTR及REPLACE函数的。这些传统的SQL函数不便于进行模式匹配。只有LIKE操作符通过使用%和_字符匹配，但LIKE不支持表达式的重复、复杂的更替、字符范围、字符列表和POSIX字符类等等。

元字符（Meta Character）：

Sql代码

1. ^使表达式定位至一行的开头
2. $使表达式定位至一行的末尾
3. *匹配0次或更多次
4. ?匹配0次或1次
5. +匹配1次或更多次
6. {m}正好匹配m次
7. {m,}至少匹配m次
8. {m,n}至少匹配m次但不超过n次
9. [:alpha:]字母字符
10. [:lower:]小写字母字符
11. [:upper:]大写字母字符
12. [:digit:]数字
13. [:alnum:]字母数字字符
14. [:space:]空白字符（禁止打印），如回车符、换行符、竖直制表符和换页符[:punct:]标点字符
15. [:cntrl:]控制字符（禁止打印）
16. [:print:]可打印字符|分隔替换选项，通常与分组操作符()一起使用
17. ()将子表达式分组为一个替换单元、量词单元或后向引用单元
18. [char]字符列表

Oracle 10g提供了四个regexp function:REGEXP_LIKE,REGEXP_REPLACE,REGEXP_INSTR,REGEXP_SUBSTR。

Sql代码

1. REGEXP_LIKE：比较一个字符串是否与正则表达式匹配
2. (srcstr,pattern[,match_option])
4. REGEXP_INSTR：在字符串中查找正则表达式，并且返回匹配的位置
5. (srcstr,pattern[,position[,occurrence[,return_option[,match_option]]]])
7. REGEXP_SUBSTR：返回与正则表达式匹配的子字符串
8. (srcstr,pattern[,position[,occurrence[,match_option]]])
10. REGEXP_REPLACE：搜索并且替换匹配的正则表达式
11. (srcstr,pattern[,replacestr[,position[,occurrence[,match_option]]]])

其中各参数的含义为:

Sql代码

1. srcstr:被查找的字符数据。
2. pattern:正则表达式。
3. occurrence:出现的次数。默认为1。
4. position:开始位置
5. return_option:默认值为0，返回该模式的起始位置；值为1则返回符合匹配条件的下一个字符的起始位置。
6. replacestr:用来替换匹配模式的字符串。
7. match_option:匹配方式选项。缺省为c。
8. c：casesensitive
9. I：caseinsensitive
10. n：(.)匹配任何字符（包括newline)
11. m：字符串存在换行的时候被作为多行处理

下面通过一些具体的例子来说明如何使用这四个函数。首先创建一个测试数据表，

Sql代码

1. SQL>createtableperson(
2. 2first_namevarchar(20),
3. 3last_namevarchar(20),
4. 4emailvarchar(100),
5. 5zipvarchar(6));
7. Tablecreated.
9. SQL>insertintopersonvalues('Steven','Chen','[e-mail]','123456');
10. 1rowcreated.
12. SQL>insertintopersonvalues('James','Li','[e-mail]'||chr(10)||'[e-mail]','1b3d5f');
13. 1rowcreated.
15. SQL>commit;
16. Commitcomplete.
18. SQL>select*fromperson;
20. FIRST_NAMELAST_NAMEEMAILZIP
21. ----------------------------------------------
22. [e-mail]123456
23. [e-mail]1b3d5f
24. [e-mail]

1。REGEXP_LIKE

Sql代码

1. SQL>selectzipasinvalid_zipfrompersonwhereregexp_like(zip,'[^[:digit:]]');
2. INVALID_ZIP
3. --------------------
4. 1b3d5f
6. SQL>selectfirst_namefrompersonwhereregexp_like(first_name,'^S.*n$');
7. FIRST_NAME
8. ----------
9. Steven
11. SQL>selectfirst_namefrompersonwhereregexp_like(first_name,'^s.*n$');
12. norowsselected
14. SQL>selectfirst_namefrompersonwhereregexp_like(first_name,'^s.*n$','c');
15. norowsselected
17. SQL>selectfirst_namefrompersonwhereregexp_like(first_name,'^s.*n$','i');
18. FIRST_NAME
19. ----------
20. Steven
22. SQL>selectemailfrompersonwhereregexp_like(email,'^james.*com$');
23. norowsselected
25. SQL>selectemailfrompersonwhereregexp_like(email,'^james.*com$','n');
26. EMAIL
27. --------------------
28. [e-mail]
29. [e-mail]
31. SQL>selectemailfrompersonwhereregexp_like(email,'^li.*com$');
32. norowsselected
34. SQL>selectemailfrompersonwhereregexp_like(email,'^li.*com$','m');
35. EMAIL
36. --------------------
37. [e-mail]
38. [e-mail]

注意上面分别测试了不同的match_option对结果的影响。

2。REGEXP_INSTR

Sql代码

1. 查找zip中第一个非数字字符的位置
2. SQL>selectregexp_instr(zip,'[^[:digit:]]')aspositionfromperson;
3. POSITION
4. ----------
5. 0
6. 2
8. 从第三个字符开始，查找zip中第二个非数字字符的位置
9. SQL>selectregexp_instr(zip,'[^[:digit:]]',3,2)aspositionfromperson;
10. POSITION
11. ----------
12. 0
13. 6
15. 从第三个字符开始，查找zip中第二个非数字字符的下一个字符位置
16. SQL>selectregexp_instr(zip,'[^[:digit:]]',3,2,1)aspositionfromperson;
17. POSITION
18. ----------
19. 0
20. 7

3。REGEXP_SUBSTR

Sql代码

1. SQL>selectregexp_substr(zip,'[^[:digit:]]')aszipfromperson;
2. ZIP
3. ------------------
4. b
6. SQL>selectregexp_substr(zip,'[^[:digit:]]',3,2)aszipfromperson;
7. ZIP
8. ------------
9. f

4。REGEXP_REPLACE

Sql代码

1. 把zip中所有非数字字符替换为0
2. SQL>updatepersonsetzip=regexp_replace(zip,'[^[:digit:]]','0')
3. 2whereregexp_like(zip,'[^[:digit:]]');
4. 1rowupdated.
6. SQL>selectzipfromperson;
7. ZIP
8. ------
9. 123456
10. 103050

后向引用（backreference）：

后向引用是一个很有用的特性。它能够把子表达式的匹配部分保存在临时缓冲区中，供以后重用。缓冲区从左至右进行编号，并利用\digit符号进行访问。子表达式用一组圆括号来显示。利用后向引用可以实现较复杂的替换功能。

Sql代码

1. SQL>selectregexp_replace('StevenChen','(.*)(.*)','\2,\1')asreversed_namefromdual;
3. REVERSED_NAME
4. --------------------
5. Chen,Steven

在DDL中也可以正则表达式，比如Constraint, index, view

Sql代码

1. SQL>altertablepersonaddconstraintconstraint_zipcheck(regexp_like(zip,'^[[:digit:]]+$'));
3. SQL>createindexperson_idxonperson(regexp_substr(last_name,'^[[:upper:]]'));

4.oracle正则表达式(未经测试完全)

5.===========================================================

6.作者: dragonosoft(http://dragonosoft.itpub.net)
发表于: 2009.03.19 19:43
分类:收藏
出处: http://dragonosoft.itpub.net/post/38925/480626
---------------------------------------------------------------

7.一.匹配字符

字符类	匹配的字符	举例
d	从０-９的任一数字	dd匹配72,但不匹配aa或7a
D	任一非数字字符	DDD匹配abc,但不匹配123
w	任一单词字符，包括A-Z,a-z,0-9和下划线	wwww匹配Ab-2，但不匹配∑£$%*或Ab_@
W	任一非单词字符	W匹配＠，但不匹配a
s	任一空白字符，包括制表符，换行符，回车符，换页符和垂直制表符	匹配在HTML,XML和其他标准定义中的所有传统空白字符
S	任一非空白字符	空白字符以外的任意字符,如A%&g3;等
.	任一字符	匹配除换行符以外的任意字符除非设置了MultiLine先项
[…]	括号中的任一字符	[abc]将匹配一个单字符,a,b或c. [a-z]将匹配从a到z的任一字符
[^…]	不在括号中的任一字符	[^abc]将匹配一个a、b、c之外的单字符,可以a,b或A、B、C [a-z]将匹配不属于a-z的任一字符,但可以匹配所有的大写字母

8.二.重复字符

重复字符	含义	举例
｛n｝	匹配前面的字符n次	x{2}匹配xx,但不匹配x或xxx
｛n,｝	匹配前面的字符至少n次	x{2}匹配2个或更多的x,如xxx,xxx..
｛n,m｝	匹配前面的字符至少n次,至多m次。如果n为0，此参数为可选参数	x{2,4}匹配xx,xxx,xxxx,但不匹配xxxxx
?	匹配前面的字符0次或1次，实质上也是可选的	x?匹配x或零个x
+	匹配前面的字符0次或多次	x+匹配x或xx或大于0的任意多个x
*	匹配前面的字符0次或更多次	x*匹配0,1或更多个x

9.三.定位字符

定位字符	描述
^	随后的模式必须位于字符串的开始位置，如果是一个多行字符串，则必须位于行首。对于多行文本（包含回车符的一个字符串）来说，需要设置多行标志
$	前面的模式必须位于字符串的未端，如果是一个多行字符串，必须位于行尾
A	前面的模式必须位于字符串的开始位置，忽略多行标志
z	前面的模式必须位于字符串的未端，忽略多行标志
Z	前面的模式必须位于字符串的未端，或者位于一个换行符前
b	匹配一个单词边界，也就是一个单词字符和非单词字符中间的点。要记住一个单词字符是[a-zA-Z0-9]中的一个字符。位于一个单词的词首
B	匹配一个非单词字符边界位置，不是一个单词的词首

10.注：定位字符可以应用于字符或组合，放在字符串的左端或右端

11.四.分组字符

分组字符	定义	举例
（）	此字符可以组合括号内模式所匹配的字符，它是一个捕获组，也就是说模式匹配的字符作为最终设置了ExplicitCapture选项――默认状态下字符不是匹配的一部分	输入字符串为：ABC1DEF2XY 匹配3个从A到Z的字符和1个数字的正则表达式：（[A-Z]{3}d） 将产生两次匹配：Match 1=ABC1;Match 2=DEF2 每次匹配对应一个组：Match1的第一个组＝ABC;Match2的第1个组＝DEF 有了反向引用，就可以通过它在正则表达式中的编号以及C#和类Group,GroupCollection来访问组。如果设置了ExplicitCapture选项，就不能使用组所捕获的内容
（?:）	此字符可以组合括号内模式所匹配的字符，它是一个非捕获组，这意味着模式所的字符将不作为一个组来捕获，但它构成了最终匹配结果的一部分。它基本上与上面的组类型相同，但设定了选项ExplicitCapture	输入字符串为：1A BB SA1 C 匹配一个数字或一个A到Z的字母，接着是任意单词字符的正则表达式为：（?:d|[A-Z]w） 它将产生3次匹配：每1次匹配＝1A；每2次匹配＝BB;每3次匹配＝SA 但是没有组被捕获
（?<name>）	此选项组合括号内模式所匹配的字符，并用尖括号中指定的值为组命名。在正则表达式中，可以使用名称进行反向引用，而不必使用编号。即使不设置ExplicitCapture选项，它也是一个捕获组。这意味着反向引用可以利用组内匹配的字符，或者通过Group类访问	输入字符串为：Characters in Sienfeld included Jerry Seinfeld,Elaine Benes,Cosno Kramer and George Costanza能够匹配它们的姓名，并在一个组llastName中捕获姓的正则表达式为：b[A-Z][a-z]+(?<lastName>[A-Z][a-z]+)b 它产生了4次匹配：First Match=Jerry Seinfeld; Second Match=Elaine Benes; Third Match=Cosmo Kramer; Fourth Match=George Costanza 每一次匹配都对应了一个lastName组： 第1次匹配：lastName group=Seinfeld 第2次匹配：lastName group=Benes 第3次匹配：lastName group=Kramer 第4次匹配：lastName group=Costanza 不管是否设置了选项ExplictCapture，组都将被捕获
（?=）	正声明。声明的右侧必须是括号中指定的模式。此模式不构成最终匹配的一部分	正则表达式S+(?=.NET)要匹配的输入字符串为：The languages wereJava,C#.NET,VB.NET,C,Jscript.NET,Pascal 将产生如下匹配：〕 C# VB JScript.
（?!）	负声明。它规定模式不能紧临着声明的右侧。此模式不构成最终匹配的一部分	d{3}(?![A-Z])要匹配的输入字符串为：123A 456 789111C 将产生如下匹配： 456 789
（?<=）	反向正声明。声明的左侧必须为括号内的指定模式。此模式不构成最终匹配的一部分	正则表达式(?<=New)([A-Z][a-z]+)要匹配的输入字符串为：The followingstates,New Mexico,West Virginia,Washington,New England 它将产生如下匹配： Mexico England
（?<!）	反向正声明。声明的左侧必须不能是括号内的指定模式。此模式不构成最终匹配的一部分	正则表达式(?<!1)d{2}([A-Z])要匹配的输入字符串如下：123A456F789C111A 它将实现如下匹配： 56F 89C
（?>）	非回溯组。防止Regex引擎回溯并且防止实现一次匹配	假设要匹配所有以“ing”结尾的单词。输入字符串如下：He was very trusing 正则表达式为：.*ing 它将实现一次匹配――单词trusting。“.”匹配任意字符，当然也匹配“ing”。所以，Regex引擎回溯一位并在第2个“t”停止，然后匹配指定的模式“ing”。但是，如果禁用回溯操作：(?>.*)ing 它将实现0次匹配。“.”能匹配所有的字符，包括“ing”――不能匹配，从而匹配失败

12.五.决策字符

字符	描述	举例
（?(regex)yes_regex|no_regex）	如果表达式regex匹配，那么将试图匹配表达式yes。否则匹配表达式no。正则表达式no是可先参数。注意，作出决策的模式宽度为0.这意味着表达式yes或no将从与regex表达式相同的位置开始匹配	正则表达式(?(d)dA|A-Z)B)要匹配的输入字符串为：1A CB3A5C 3B 它实现的匹配是： 1A CB 3A
（?(group name or number)yes_regex|no_regex）	如果组中的正则表达式实现了匹配，那么试图匹配yes正则表达式。否则，试图匹配正则表达式no。no是可先的参数	正则表达式 (d7)?-(?(1)dd[A-Z]|[A-Z][A-Z]要匹配的输入字符串为： 77-77A 69-AA 57-B 它实现的匹配为： 77-77A －AA

13.注：上面表中列出的字符强迫处理器执行一次if-else决策

14.六.替换字符

字符	描述
$group	用group指定的组号替换
${name}	替换被一个(?<name>)组匹配的最后子串
$$	替换一个字符$
$&	替换整个的匹配
$^	替换输入字符串匹配之前的所有文本
$’	替换输入字符串匹配之后的所有文本
$+	替换最后捕获的组
$_	替换整个的输入字符串

15.注：以上为常用替换字符，不全

16.七.转义序列

字符	描述
匹配字符“”
.	匹配字符“.”
*	匹配字符“*”
+	匹配字符“+”
?	匹配字符“?”
|	匹配字符“|”
(	匹配字符“(”
)	匹配字符“)”
{	匹配字符“{”
}	匹配字符“}”
^	匹配字符“^”
$	匹配字符“$”
n	匹配换行符
r	匹配回车符
t	匹配制表符
v	匹配垂直制表符
f	匹配换面符
nnn	匹配一个8进数字，nnn指定的ASCII字符。如103匹配大写的C
xnn	匹配一个16进数字，nn指定的ASCII字符。如x43匹配大写的C
unnnn	匹配由4位16进数字（由nnnn表示）指定的Unicode字符
cV	匹配一个控制字符，如cV匹配Ctrl-V

17.八.选项标志

选项标志	名称
I	IgnoreCase
M	Multiline
N	ExplicitCapture
S	SingleLine
X	IgnorePatternWhitespace

18.注：选项本身的信作含义如下表所示：

标志	名称
IgnoreCase	使模式匹配不区分大小写。默认的选项是匹配区分大小写
RightToLeft	从右到左搜索输入字符串。默认是从左到右以符合英语等的阅读习惯，但不符合阿拉伯语或希伯来语的阅读习惯
None	不设置标志。这是默认选项
Multiline	指定^和$可以匹配行首和行尾，以及字符串的开始和结尾。这意味着可以匹配每个用换行符分隔的行。但是，字符“.”仍然不匹配换行符
SingleLine	规定特殊字符“.”匹配任意的字符，包括换行符。默认情况下，特殊字符“.”不匹配换行符。通常与MultiLine选项一起使用
ECMAScript.	ECMA(European Coputer Manufacturer’s Association,欧洲计算机生产商协会)已经定义了正则表达式应该如何实现，而且已经在ECMAScript规范中实现，这是一个基于标准的JavaScript。这个选项只能与IgnoreCase和MultiLine标志一起使用。与其它任何标志一起使用，ECMAScript都将产生异常
IgnorePatternWhitespace	此选项从使用的正则表达式模式中删除所有非转义空白字符。它使表达式能跨越多行文本，但必须确保对模式中所有的空白进行转义。如果设置了此选项，还可以使用“#”字符来注释下则表达式
Complied	它把正则表达式编译为更接近机器代码的代码。这样速度快，但不允许对它进行任何修改