用正則表達(dá)式進(jìn)行搜索

1.正則表達(dá)式介紹

? 對(duì)于基于的過濾（或者甚至是某些不那么基本的過濾），可以用匹配、比較和通配操作符尋找數(shù)據(jù)，這樣足夠了。但隨著復(fù)雜性的增加。WHERE子句的復(fù)雜性也有必要增加。

? 這也就是正則表達(dá)式變得有用的地方。正則表達(dá)式是用來匹配文本的特殊的串（字符集合）。如果你想從一個(gè)文本文件中提取電話號(hào)碼，可以使用正則表達(dá)式如果你需要查找名字中間有數(shù)字的所有文件，可以使用一個(gè)正則表達(dá)式。如果你想在一個(gè)文本塊中找到所有重復(fù)的單詞，可以使用一個(gè)正則表達(dá)式。如果你想替換一個(gè)頁面中的所有URL為這些URL的實(shí)際HTML鏈接，也可以使用一個(gè)正則表達(dá)式（對(duì)于最后這個(gè)例子，或者是兩個(gè)正則表達(dá)式）。

? 正則表達(dá)式用正則表達(dá)式語言來建立，正則表達(dá)式語言是用來完成剛討論的所有工作以及更多工作的一種特殊語言。與任意語言一樣，正則表達(dá)式具有你必須學(xué)習(xí)的特殊的語法和指令。

2.使用MySQL正則表達(dá)式

? 那么，正則表達(dá)式與MySQL有啥關(guān)系？以及說過，正則表達(dá)式的作用是匹配文本，將一個(gè)模式（正則表達(dá)式）與一個(gè)文本串進(jìn)行比較。MySQL用WHERE子句對(duì)正則表達(dá)式提供了初步的支持，允許你指定正則表達(dá)式，過濾SELECT檢索出的數(shù)據(jù)。

2.1 基本字符匹配

? 下面的語句檢索列prod_name包含文本1000的所有行：

輸入：

SELECT prod_name
FROM products
WHERE prod_name REGEXP '1000'
ORDER BY prod_name;

輸出：

分析：

除關(guān)鍵字LIKE被REGEXP替代外，這條語句看上去非常像使用LIKE的語句。它告訴MySQL：REGEXP后所跟的東西作為正則表達(dá)式（與文字正文1000匹配的一個(gè)正則表達(dá)式）處理。

? 為什么要費(fèi)力地使用正則表達(dá)式？在剛才的例子中，正則表達(dá)式確實(shí)沒有帶來太多好處（可能還會(huì)降低性能），不過，請(qǐng)考慮下面的例子：

輸入：

SELECT prod_name
FROM products
WHERE prod_name REGEXP '.000'
ORDER BY prod_name;

分析：這里使用了正則表達(dá)式.000。.是正則表達(dá)式語言中一個(gè)特殊的字符。它表示匹配任意一個(gè)字符，因此，1000和2000都匹配且返回。

LIKE與REGEXP

在LIKE和REGEXP之間有一個(gè)重要的差別。請(qǐng)看以下兩條語句：

SELECT prod_name
FROM products
WHERE prod_name LIKE '1000'
ORDER BY prod_name;

SELECT prod_name
FROM products
WHERE prod_name REGEXP '1000'
ORDER BY prod_name;

如果執(zhí)行上述兩條語句，會(huì)發(fā)現(xiàn)第一條語句不返回?cái)?shù)據(jù)，而第二條語句返回一行，為什么？

LIKE匹配整個(gè)列，如果被匹配的文本在列值里出現(xiàn)，LIKE將不會(huì)找到它，相應(yīng)的行也不被返回（除非使用通配符）。而REGEXP在列值內(nèi)進(jìn)行匹配，如果被匹配的文本在列值中出現(xiàn)，REGEXP將會(huì)找到它，相應(yīng)的行將被返回。這是一個(gè)非常重要的差別。

那么，REGEXP能不能用來匹配整個(gè)列值（從而起與LIKE相同的作用）？答案是肯定的，使用^和$定位符(anchor)即可

匹配不區(qū)分大小寫 MySQL中的正則表達(dá)式匹配(自版本3.23.4后)不區(qū)分大小寫(即，大小寫都匹配)。為區(qū)分大小寫，可使用BINARY關(guān)鍵字，如WHERE prod_name REGEXP BINARY 'JetPack .000'。

2.2 進(jìn)行OR匹配

? 為搜索兩個(gè)串之一（或者為這個(gè)串，或者為另一個(gè)串），使用|，如下所示：

輸入：

SELECT prod_name
FROM products
WHERE prod_name REGEXP '1000|2000'
ORDER BY prod_name;

輸出：

分析：語句中使用了正則表達(dá)式1000|2000。|為正則表達(dá)式的OR操作。它表示匹配其中之一，因此1000和2000都匹配并返回。

? 使用|從功能上類似于在SELECT語句中使用OR語句，多個(gè)OR條件可并入單個(gè)正則表達(dá)式。

兩個(gè)以上的OR條件 可以給出兩個(gè)以上的OR條件。例如，'1000 | 2000 | 3000'將匹配1000或2000或3000。

2.3 匹配幾個(gè)字符之一

? 匹配任何單一字符。但是，如果你只想匹配特定的字符怎么辦？可以通過指定一組 [ 和 ] 括起來的字符來完成，如下所示：

輸入：

SELECT prod_name
FROM products
WHERE prod_name REGEXP '[123] Ton'
ORDER BY prod_name;

輸出：

分析：這里使用了正則表達(dá)式[123] Ton。[123]定義一組字符，它的意思是匹配1或2或3，因此，1 ton和2 ton都匹配且返回（沒有3 ton）。

? 正如所見，[ ]是另一種形式的OR語句。事實(shí)上，正則表達(dá)式[123] Ton為 [1|2|3] Ton的縮寫，也可以使用后者。但是，需要用 [ ]來定義OR語句查找什么。為更好地理解這一點(diǎn)，請(qǐng)看下面的例子：

輸入：

SELECT prod_name
FROM products
WHERE prod_name REGEXP '1|2|3 Ton'
ORDER BY prod_name;

輸出：

分析：

? 這并不是期望的輸出。兩個(gè)要求的行被檢索出來，但還檢索出了另外3行。之所以這樣是由于MySQL假定你的意思是'1'或'2'或'3 ton'。除非把字符|括在一個(gè)集合中，否則它將應(yīng)用于整個(gè)串。
? 字符集合也可以被否定，即，它們將匹配除指定字符外的任何東西。為否定一個(gè)字符集，在集合的開始處放置一個(gè)^{即可。因此，盡管[123]匹配字符1、2或3，但【}123】卻匹配除這些字符外的任何東西。

2.4 匹配范圍

? 集合可用來定義要匹配的一個(gè)或多個(gè)字符。例如，下面的集合將匹配數(shù)字0到9：

? [0123456789]

? 為簡(jiǎn)化這種類型的集合，可使用-來定義一個(gè)范圍。下面的式子功能等同于上述數(shù)字列表：

? [0-9]

? 范圍不限于完整的集合，[1-3]和[6-9]也是合法的范圍。此外，范圍不一定只是數(shù)值的，[a-z]匹配任意字母字符。

輸入：

SELECT prod_name
FROM products
WHERE prod_name REGEXP '[1-5] Ton'
ORDER BY prod_name;

輸出：

分析：這里使用正則表達(dá)式[1-5] Ton。[1-5]定義了一個(gè)范圍，這個(gè)表達(dá)式意思是匹配1到5，因此返回3個(gè)匹配行。由于5 ton匹配，所以返回.5 ton。

2.5 匹配特殊字符

? 正則表達(dá)式語言由具有特定含義的特殊字符構(gòu)成。我們已經(jīng)看到.、[]、|和-等，還有其他一些字符。請(qǐng)問，如果你需要匹配這些字符，應(yīng)該怎么辦呢？例如，如果要找出包含.字符的值，怎樣搜索？請(qǐng)看下面的例子：

輸入：

SELECT vend_name
FROM vendors
WHERE vend_name REGEXP '.'
ORDER BY vend_name;

輸出：

分析：這并不是期望的輸出，.匹配任意字符，因此每個(gè)行都被檢索出來。

? 為了匹配特殊字符，必須用\ \為前導(dǎo)。\ \ -表示查找-，\ \ .表示查找.。

輸入：

SELECT vend_name
FROM vendors
WHERE vend_name REGEXP '\\.'
ORDER BY vend_name;

輸出：

分析：這才是期望的輸出。\ \ .匹配.，所以只檢索出一行。這種處理就是所謂的轉(zhuǎn)義（escaping），正則表達(dá)式內(nèi)具有特殊意義的所有字符都必須以這種方式轉(zhuǎn)義。這包括.、|、[ ]以及迄今為止使用過的其他特殊字符。

? \ \也用來引用元字符（具有特殊含義的字符）

匹配\ 為了匹配反斜杠（\）字符本身，需要使用\\。

\或\ ? 多數(shù)正則表達(dá)式實(shí)現(xiàn)使用單個(gè)反斜杠轉(zhuǎn)移特殊字符，以便能使用這些字符本身。但MySQL要求兩個(gè)反斜杠（MySQL自己解釋一個(gè)，正則表達(dá)式解釋另一個(gè)）。

2.6 匹配字符類

? 存在找出你自己經(jīng)常使用的數(shù)字、所有字母字符或所有數(shù)字字母字符等的匹配。為更方便工作，可以使用預(yù)定義的字符集，稱為字符類（character class）。表9-2列出字符類以及它們的含義。

2.7 匹配多個(gè)實(shí)例

? 目前為止使用的所有正則表達(dá)式都試圖匹配單次出現(xiàn)。如果存在一個(gè)匹配，該行被檢索出來，如果不存在，檢索不出任何行。但有時(shí)需要對(duì)匹配的數(shù)目進(jìn)行更強(qiáng)的控制。例如，你可能需要尋找所有的數(shù)，不管數(shù)中包含多少數(shù)字，或者你可能想尋找一個(gè)單詞并且還能夠適應(yīng)一個(gè)尾隨的s（如果存在），等等。

? 表 重復(fù)元字符

? 下面舉幾個(gè)例子。

輸入：

SELECT prod_name
FROM products
WHERE prod_name REGEXP '\\([0-9] sticks?\\)'
ORDER BY prod_name;

輸出：

分析：正則表達(dá)式\([0-9] sticks?\)需要解說一下。\(匹配)，[0-9]匹配任意數(shù)字（這個(gè)例子中為1和5），sticks?匹配stick和sticks（s后的?使s可選，因?yàn)?匹配它前面的任何字符的0次或1次出現(xiàn)），\)匹配)。沒有?，匹配stick和sticks會(huì)非常困難。

? 以下是另一個(gè)例子。這次我們打算匹配連在一起的4位數(shù)字：

輸入：

SELECT prod_name
FROM products
WHERE prod_name REGEXP '[[:digit:]]{4}'
ORDER BY prod_name;

輸出：

分析：如前所述，[:digit:]匹配任意數(shù)字，因而它為數(shù)字的一個(gè)集
合。{4}確切地要求它前面的字符（任意數(shù)字）出現(xiàn)4次，所以
[[:digit:]]{4}匹配連在一起的任意4位數(shù)字。

2.8 定位符

? 目前為止的所有例子都是匹配一個(gè)串中任意位置的文本。為了匹配特定位置的文本，需要使用表中的定位符。

? 表 重復(fù)元字符

? 下面舉幾個(gè)例子。

輸入：

SELECT prod_name
FROM products
WHERE prod_name REGEXP '^[0-9\\.]'
ORDER BY prod_name;

輸出：

分析：^{匹配串的開始。因此，}[0-9\ \ .]只在.或任意數(shù)字為串中第一個(gè)字符時(shí)才匹配它們。沒有^，則還要多檢索出4個(gè)別的行（那些中間有數(shù)字的行）。

^的雙重用途 ^有兩種用法。在集合中（用[和]定義），用它來否定該集合，否則，用來指串的開始出。

使REGEXP起類似LIKE的作用 本章前面說過，LIKE和REGEXP的不同在于，LIKE匹配整個(gè)串而REGEXP匹配子串。利用定位符，通過用^開始每個(gè)表達(dá)式，用$結(jié)束每個(gè)表達(dá)式，可以使REGEXP的作用與LIKE一樣