RLIKE操作符規範介紹 - MaxCompute

RLIKE是MaxCompute SQL提供的一種基於PCRE（Perl Compatible Regular Expressions）規範的操作符，支援在MaxCompute SQL語句中對文本進行更精確、更複雜的模式比對或替換。本文介紹了RLIKE支援的元字元、POSIX字元組、中文字元組、逸出字元和相關字元的使用樣本。

元字元

RLIKE操作符支援一系列元字元，下表列出了常見的元字元：

元字元	說明
^	行首。
$	行尾。
.	任一字元。
*	匹配前面的子運算式0次或多次。
+	匹配前面的子運算式1次或多次。
?	匹配前面的子運算式0次或1次。
?	匹配修飾符，當該字元跟在任何一個其他限制符 (* 、+、?、 {n}、 {n,}、 {n,m}）後面時，匹配模式為非貪婪模式。非貪婪模式儘可能少的匹配所搜尋的字串，而預設的貪婪模式則儘可能多的匹配所搜尋的字串。
A\|B	A或B。
(abc)*	匹配abc序列0次或多次。
{n}或{m,n}	匹配的次數。
[ab]	匹配括弧中的任一字元。模式比對a或b。
[a-d]	匹配a、b、c、d任一字元。
[^ab]	^表示非，匹配任一非a非b的字元。
[::]	詳情請參見下文的POSIX字元組。
\	轉義符，詳情請參見下文的轉義符。
\n	n為數字1~9，表示後向引用。
\d	數字。
\D	非數字。

關於更多的Regex的使用說明，詳情請參見PCRE官網文檔。
如果匹配結果不符合預期，可能是需要做轉義，詳情請參見逸出字元。

使用樣本

樣本：匹配字串的開頭和結尾

select 'aa123bb' rlike '^a';
-- 匹配字串aa123bb的開頭是否為a，返回true

select 'aa123bb' rlike '^a.*b$';
-- 匹配字串aa123bb的開頭是否為a、結尾是否為b，運行返回true

select 'footerbar' rlike 'foo(.*?)(bar)';
-- 返回true

樣本：使用轉義符匹配含特殊字元的字串
```
select 'a+b' rlike 'a\\\+b';
-- 返回true
```

樣本：匹配任一字元

select 'cc123bb' rlike '^[a-d]';
-- 匹配字串cc123bb的開頭是否是a~d中的任意一個字元，返回true

樣本：匹配數字、非數字字元

select '123bb' rlike '^\\\d';
-- 匹配字串123bb的開頭是否是數字字元，返回true

select 'cc123bb' rlike '^\\\D';
-- 匹配字串cc123bb的開頭是否是非數字字元，返回true

字元組

POSIX字元組

字元組	說明	範圍
[[:alnum:]]	字母字元和數字字元	[a-zA-Z0-9]
[[:alpha:]]	字母	[a-zA-Z]
[[:ascii:]]	ASCII字元	[\x00-\x7F]
[[:blank:]]	空白字元和定位字元	[ \t]
[[:cntrl:]]	控制字元	[\x00-\x1F\x7F]
[[:digit:]]	數字字元	[0-9]
[[:graph:]]	空白字元之外的字元	[\x21-\x7E]
[[:lower:]]	小寫字母字元	[a-z]
[[:print:]]	[:graph:]和空白字元	[\x20-\x7E]
[[:punct:]]	標點符號	[][!”#$%&’()*+,./:;<=>? @\^_`{\|}~-]
[[:space:]]	空白字元	[ \t\r\n\v\f]
[[:upper:]]	大寫字母字元	[A-Z]
[[:xdigit:]]	十六進位字元	[A-Fa-f0-9]

說明

MaxCompute不支援\f和\v，具體支援的轉義符請參見逸出字元。

中文字元組

中文字元組細分	範圍
包括漢字在內的雙位元組字元	[^\\x{00}-\\x{ff}]
中文字元	[\\x{4e00}-\\x{9fa5}]
中文標點	中文標點無統一的編碼範圍，您可以在搜尋引擎上搜尋中文標點符號Unicode碼，然後結合運算子來逐個排除。例如句號（。）對應Regex為`[\\x{3002}]`。執行`select * from values ('你好。'),('nihao！') t(d) where d rlike '[\\x{3002}]';`返回結果為`你好。`。說明如果要匹配單引號，可以用`unicode0027`，對應Regex為 `[\\x{0027}]`。

轉義符

RLIKE操作符支援反斜線\作為轉義符，因此Regex的模式中出現的\都要進行二次轉義。

使用樣本

樣本1
Regex要匹配字串a+b，其中+是正則中的一個特殊字元，因此要用轉義的方式表達。在Regex引擎中的表達方式是a\\+b，由於還要解釋一層轉義，因此能夠匹配該字串的運算式是a\\\+b。
```
select 'a+b' rlike 'a\\\+b';

+------+
| _c1  |
+------+
| true |
+------+
```
樣本2
在某些情況下，如果要匹配字元\，在Regex引擎中\是一個特殊字元，因此要表示為\\，由於還要解釋一層轉義，因此寫成\\\\。
```
select 'a\\b', 'a\\b' rlike 'a\\\b';
+-----+------+
| _c0 | _c1  |
+-----+------+
| a\b | false |
+-----+------+

select 'a\\b', 'a\\b' rlike 'a\\\\b';
+-----+------+
| _c0 | _c1  |
+-----+------+
| a\b | true |
+-----+------+
```
說明
在MaxCompute SQL中寫a\\b，而在輸出結果中顯示a\b，同樣是因為MaxCompute會對錶達式進行轉義。
樣本3
如果字串中有定位字元TAB，系統在讀入\t這兩個字元時，已經將其存為一個字元，因此在Regex的模式中它也是一個普通的字元。
```
select 'a\tb', 'a\tb' rlike 'a\tb';

+---------+------+
| _c0     | _c1  |
+---------+------+
| a     b | true |
+---------+------+
```