正则表达式

Goose 提供模式匹配运算符 (LIKE, SIMILAR TO, GLOB), 也通过函数支持正则表达式。

正则表达式语法

Goose 使用 RE2 库作为正则表达式引擎。关于正则语法，请参阅 RE2 文档。

函数

所有函数都接受一组可选选项。

名称	描述
`regexp_extract(string, pattern[, group = 0][, options])`	若 `string` 包含正则模式 `pattern`，返回可选参数 `group` 指定的捕获组；否则返回空字符串。`group` 必须是常量值。若未提供 `group`，默认值为 0。可设置一组选项 `options`。
`regexp_extract(string, pattern, name_list[, options])`	若 `string` 包含正则模式 `pattern`，返回以 `name_list` 中名称命名字段的结构体（包含捕获组）；否则返回具有相同键、值均为空字符串的结构体。
`regexp_extract_all(string, regex[, group = 0][, options])`	查找 `string` 中与 `regex` 不重叠的所有匹配，并返回对应 `group` 的值。
`regexp_full_match(string, regex[, options])`	若整个 `string` 都匹配 `regex`，返回 `true`。
`regexp_matches(string, pattern[, options])`	若 `string` 包含正则模式 `pattern`，返回 `true`，否则返回 `false`。
`regexp_replace(string, pattern, replacement[, options])`	若 `string` 包含正则模式 `pattern`，将匹配部分替换为 `replacement`。默认仅替换第一个匹配。可设置一组选项 `options`，包括全局标志 `g`。
`regexp_split_to_array(string, regex[, options])`	`string_split_regex` 的别名。按 `regex` 拆分 `string`。
`regexp_split_to_table(string, regex[, options])`	按 `regex` 拆分 `string`，并为每一部分返回一行。

`regexp_extract(string, pattern[, group = 0][, options])`

`regexp_extract(string, pattern, name_list[, options])`

| Description | 若 string 包含正则模式 pattern，返回以 name_list 中名称命名字段的结构体（包含捕获组）；否则返回具有相同键、值均为空字符串的结构体。可设置一组选项 options。 | | Example | regexp_extract('2023-04-15', '(\d+)-(\d+)-(\d+)', ['y', 'm', 'd']) | | Result | {'y':'2023', 'm':'04', 'd':'15'} |

`regexp_extract_all(string, regex[, group = 0][, options])`

`regexp_full_match(string, regex[, options])`

`regexp_matches(string, pattern[, options])`

`regexp_replace(string, pattern, replacement[, options])`

`regexp_split_to_array(string, regex[, options])`

`regexp_split_to_table(string, regex[, options])`

regexp_matches 函数与 SIMILAR TO 运算符类似，但它不要求整个字符串都匹配。只要字符串包含该模式，regexp_matches 就会返回 true（除非使用特殊符号 ^ 和 $ 将正则锚定到字符串开头和结尾）。示例如下：

SELECT regexp_matches('abc', 'abc');       -- true
SELECT regexp_matches('abc', '^abc$');     -- true
SELECT regexp_matches('abc', 'a');         -- true
SELECT regexp_matches('abc', '^a$');       -- false
SELECT regexp_matches('abc', '.*(b|d).*'); -- true
SELECT regexp_matches('abc', '(b|c).*');   -- true
SELECT regexp_matches('abc', '^(b|c).*');  -- false
SELECT regexp_matches('abc', '(?i)A');     -- true
SELECT regexp_matches('abc', 'A', 'i');    -- true

正则表达式函数选项

正则函数支持以下 options。

选项	描述
`'c'`	区分大小写匹配
`'i'`	不区分大小写匹配
`'l'`	按字面值匹配，而非正则标记
`'m'`, `'n'`, `'p'`	对换行敏感的匹配
`'g'`	全局替换，仅适用于 `regexp_replace`
`'s'`	对换行不敏感的匹配

例如：

SELECT regexp_matches('abcd', 'ABC', 'c'); -- false
SELECT regexp_matches('abcd', 'ABC', 'i'); -- true
SELECT regexp_matches('ab^/$cd', '^/$', 'l'); -- true
SELECT regexp_matches(E'hello\nworld', 'hello.world', 'p'); -- false
SELECT regexp_matches(E'hello\nworld', 'hello.world', 's'); -- true

使用 `regexp_matches`

在可能的情况下，regexp_matches 会被优化为 LIKE 运算符。为获得最佳性能，若适用应传入 'c' 选项（区分大小写匹配）。注意：默认情况下，RE2 库中的 . 不匹配换行符。

原始表达式	优化后等价表达式
`regexp_matches('hello world', '^hello', 'c')`	`prefix('hello world', 'hello')`
`regexp_matches('hello world', 'world$', 'c')`	`suffix('hello world', 'world')`
`regexp_matches('hello world', 'hello.world', 'c')`	`LIKE 'hello_world'`
`regexp_matches('hello world', 'he.*rld', 'c')`	`LIKE '%he%rld'`

使用 `regexp_replace`

regexp_replace 函数用于将字符串中匹配正则模式的部分替换为指定替换字符串。在替换字符串中可使用 \d（d 为表示分组编号的数字）来引用正则捕获组。注意默认情况下，regexp_replace 仅替换第一个匹配项。若要替换所有匹配项，请使用全局替换标志（g）。

regexp_replace 使用示例：

SELECT regexp_replace('abc', '(b|c)', 'X');        -- aXc
SELECT regexp_replace('abc', '(b|c)', 'X', 'g');   -- aXX
SELECT regexp_replace('abc', '(b|c)', '\1\1\1\1'); -- abbbbc
SELECT regexp_replace('abc', '(.*)c', '\1e');      -- abe
SELECT regexp_replace('abc', '(a)(b)', '\2\1');    -- bac

使用 `regexp_extract`

regexp_extract 函数用于提取字符串中匹配正则模式的部分。可通过 group 参数提取模式中的特定捕获组。若未指定 group，默认值为 0，即提取第一个匹配（整个模式）。

SELECT regexp_extract('abc', '.b.');           -- abc
SELECT regexp_extract('abc', '.b.', 0);        -- abc
SELECT regexp_extract('abc', '.b.', 1);        -- (empty)
SELECT regexp_extract('abc', '([a-z])(b)', 1); -- a
SELECT regexp_extract('abc', '([a-z])(b)', 2); -- b

regexp_extract 还支持 name_list 参数，它是字符串 LIST。使用 name_list 时，regexp_extract 会将对应捕获组作为 STRUCT 字段返回：

SELECT regexp_extract('2023-04-15', '(\d+)-(\d+)-(\d+)', ['y', 'm', 'd']);

{'y': 2023, 'm': 04, 'd': 15}

SELECT regexp_extract('2023-04-15 07:59:56', '^(\d+)-(\d+)-(\d+) (\d+):(\d+):(\d+)', ['y', 'm', 'd']);

{'y': 2023, 'm': 04, 'd': 15}

SELECT regexp_extract('goose_0_7_1', '^(\w+)_(\d+)_(\d+)', ['tool', 'major', 'minor', 'fix']);

Binder Error:
Not enough group names in regexp_extract

如果列名数量少于捕获组数量，则只返回前面的捕获组。如果列名数量多于捕获组数量，则会报错。

限制

正则表达式仅支持 9 个捕获组：\1、\2、\3、...、\9。不支持两位及以上编号的捕获组。

正则表达式语法​

函数​

regexp_extract(string, pattern[, group = 0][, options])​

regexp_extract(string, pattern, name_list[, options])​

regexp_extract_all(string, regex[, group = 0][, options])​

regexp_full_match(string, regex[, options])​

regexp_matches(string, pattern[, options])​

regexp_replace(string, pattern, replacement[, options])​

regexp_split_to_array(string, regex[, options])​

regexp_split_to_table(string, regex[, options])​

正则表达式函数选项​

使用 regexp_matches​

使用 regexp_replace​

使用 regexp_extract​

限制​