DuckDB 提供 模式匹配运算符（LIKE、SIMILAR TO、GLOB），并支持通过函数使用正则表达式。
正则表达式语法
DuckDB 使用 RE2 库 作为其正则表达式引擎。关于正则表达式语法，请参阅 RE2 文档。
函数
所有函数均接受一组可选的 选项。
| 名称 | 描述 |
|---|---|
regexp_extract(string, pattern[, group = 0][, options]) |
如果 string 包含正则表达式 pattern，则返回由可选参数 group 指定的捕获组；否则，返回空字符串。group 必须是一个常量值。如果没有指定 group，则默认为 0。可以设置一组可选的 options。 |
regexp_extract(string, pattern, name_list[, options]) |
如果 string 包含正则表达式 pattern，则返回一个结构体（struct），其中包含来自 name_list 的对应名称作为字段；否则，返回一个具有相同键（key）且值为空字符串的结构体。 |
regexp_extract_all(string, regex[, group = 0][, options]) |
在 string 中查找不重叠的 regex 匹配项，并返回对应 group 的值。 |
regexp_full_match(string, regex[, options]) |
如果整个 string 匹配 regex，则返回 true。 |
regexp_matches(string, pattern[, options]) |
如果 string 包含正则表达式 pattern，则返回 true，否则返回 false。 |
regexp_replace(string, pattern, replacement[, options]) |
如果 string 包含正则表达式 pattern，则用 replacement 替换匹配的部分。默认情况下，仅替换第一次出现的匹配项。可以设置一组可选的 options，包括全局标志 g。 |
regexp_split_to_array(string, regex[, options]) |
string_split_regex 的别名。沿 regex 对 string 进行分割。 |
regexp_split_to_table(string, regex[, options]) |
沿 regex 对 string 进行分割，并为每个部分返回一行。 |
regexp_extract(string, pattern[, group = 0][, options])
| 描述 | 如果 string 包含正则表达式 pattern，则返回由可选参数 group 指定的捕获组；否则，返回空字符串。group 必须是一个常量值。如果没有指定 group，则默认为 0。可以设置一组可选的 options。 |
| 示例 | regexp_extract('abc', '([a-z])(b)', 1) |
| 结果 | a |
regexp_extract(string, pattern, name_list[, options])
| 描述 | 如果 string 包含正则表达式 pattern，则返回一个结构体，其中包含来自 name_list 的对应名称作为字段；否则，返回一个具有相同键且值为空字符串的结构体。可以设置一组可选的 options。 |
| 示例 | regexp_extract('2023-04-15', '(\d+)-(\d+)-(\d+)', ['y', 'm', 'd']) |
| 结果 | {'y':'2023', 'm':'04', 'd':'15'} |
regexp_extract_all(string, regex[, group = 0][, options])
| 描述 | 在 string 中查找不重叠的 regex 匹配项，并返回对应 group 的值。可以设置一组可选的 options。 |
| 示例 | regexp_extract_all('Peter: 33, Paul:14', '(\w+):\s*(\d+)', 2) |
| 结果 | [33, 14] |
regexp_full_match(string, regex[, options])
| 描述 | 如果整个 string 匹配 regex，则返回 true。可以设置一组可选的 options。 |
| 示例 | regexp_full_match('anabanana', '(an)*') |
| 结果 | false |
regexp_matches(string, pattern[, options])
| 描述 | 如果 string 包含正则表达式 pattern，则返回 true，否则返回 false。可以设置一组可选的 options。 |
| 示例 | regexp_matches('anabanana', '(an)*') |
| 结果 | true |
regexp_replace(string, pattern, replacement[, options])
| 描述 | 如果 string 包含正则表达式 pattern，则用 replacement 替换匹配的部分。默认情况下，仅替换第一次出现的匹配项。可以设置一组可选的 options，包括全局标志 g。 |
| 示例 | regexp_replace('hello', '[lo]', '-') |
| 结果 | he-lo |
regexp_split_to_array(string, regex[, options])
| 描述 | string_split_regex 的别名。沿 regex 对 string 进行分割。可以设置一组可选的 options。 |
| 示例 | regexp_split_to_array('hello world; 42', ';? ') |
| 结果 | ['hello', 'world', '42'] |
regexp_split_to_table(string, regex[, options])
| 描述 | 沿 regex 对 string 进行分割，并为每个部分返回一行。可以设置一组可选的 options。 |
| 示例 | regexp_split_to_table('hello world; 42', ';? ') |
| 结果 | 三行：'hello', 'world', '42' |
regexp_matches 函数类似于 SIMILAR TO 运算符，但它不需要匹配整个字符串。相反，只要字符串中包含该模式，regexp_matches 就会返回 true（除非使用特殊标记 ^ 和 $ 将正则表达式固定在字符串的开头和结尾）。以下是一些示例。
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
正则表达式函数的选项
正则表达式函数支持以下 options。
| 选项 | 描述 |
|---|---|
'c' |
区分大小写的匹配 |
'i' |
不区分大小写的匹配 |
'l' |
匹配字面量，而非正则表达式标记 |
'm', 'n', 'p' |
换行符敏感的匹配 |
'g' |
全局替换，仅适用于 regexp_replace |
's' |
非换行符敏感的匹配 |
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
regexp_matches 运算符在可能的情况下会被优化为 LIKE 运算符。为了获得最佳性能，如果适用，应传递 'c' 选项（区分大小写的匹配）。请注意，默认情况下，RE2 库 不会将 . 字符匹配到换行符。
| 原始操作 | 优化后的等效操作 |
|---|---|
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 函数可用于将字符串中匹配正则表达式模式的部分替换为替换字符串。符号 \d（其中 d 是一个指示组号的数字）可用于在替换字符串中引用正则表达式中捕获的组。请注意，默认情况下，regexp_replace 仅替换第一次出现的匹配项。要替换所有匹配项，请使用全局替换（g）标志。
regexp_replace 的使用示例
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表达式模式的部分。可以使用 group 参数提取模式中的特定捕获组。如果未指定 group，则默认为 0，提取第一个与整个模式匹配的结果。
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 函数还支持 name_list 参数，它是一个字符串 LIST。使用 name_list，regexp_extract 将返回相应的捕获组作为 STRUCT 的字段。
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('duckdb_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，则仅返回前几个组。如果列名数量较多，则会产生错误。
限制
正则表达式仅支持 9 个捕获组：\1, \2, \3, …, \9。不支持两位或更多位数的捕获组。