正则式函数语法及示例 - 日志服务

本文介绍正则式函数基本语法及示例。

日志服务支持如下正则式函数（正则表达式采用RE2语法）。

重要在日志服务分析语句中，表示字符串的字符必须使用单引号（''）包裹，无符号包裹或被双引号（""）包裹的字符表示字段名或列名。例如：'status'表示字符串status，status或"status"表示日志字段status。

函数名称	语法	说明	支持SQL	支持SPL
regexp_extract_all函数	regexp_extract_all(x, regular expression)	提取目标字符串中符合正则表达式的子串，并返回所有子串的集合。	√	×
regexp_extract_all函数	regexp_extract_all(x, regular expression, n)	提取目标字符串中符合正则表达式的子串，然后返回与目标捕获组匹配的子串集合。	√	×
regexp_extract函数	regexp_extract(x, regular expression)	提取并返回目标字符串中符合正则表达式的第一个子串。	√	√
regexp_extract函数	regexp_extract(x, regular expression, n)	提取目标字符串中符合正则表达式的子串，然后返回与目标捕获组匹配的第一个子串。	√	√
regexp_like函数	regexp_like(x, regular expression)	判断目标字符串是否符合正则表达式。	√	√
regexp_replace函数	regexp_replace(x, regular expression)	删除目标字符串中符合正则表达式的子串，返回未被删除的子串。	√	√
regexp_replace函数	regexp_replace(x, regular expression, replace string)	替换目标字符串中符合正则表达式的子串，返回被替换后的字符串。	√	√
regexp_split函数	regexp_split(x, regular expression)	使用正则表达式分割目标字符串，返回被分割后的子串集合。	√	×

说明

使用正则式函数提取字符串中的单引号（'）时，需要在正则表达式中再添加一个单引号（'）进行提取。具体示例，请参见regexp_extract函数（示例3）。

regexp_extract_all函数

regexp_extract_all函数用于提取目标字符串中符合正则表达式的子串。

语法

提取目标字符串中符合正则表达式的子串，并返回所有子串的集合。
```
regexp_extract_all(x, regular expression)
```
提取目标字符串中符合正则表达式的子串，然后返回与目标捕获组匹配的子串集合。
```
regexp_extract_all(x, regular expression, n)
```

参数说明

参数	说明
x	参数值为varchar类型。
regular expression	包含捕获组的正则表达式。例如`(\d)(\d)(\d)`表示三个捕获组。
n	第n个捕获组。n为从1开始的整数。

返回值类型

array类型。

示例

示例1：提取server_protocol字段值中所有的数字。
- 字段样例
```
server_protocol:HTTP/2.0
```
- 查询和分析语句（调试）
```
*| SELECT regexp_extract_all(server_protocol, '\d+')
```
- 查询和分析结果

示例2：提取http_user_agent字段值中的Chrome部分，然后统计由Chrome浏览器发起的请求数量。

字段样例

http_user_agent:Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/535.1 (KHTML, like Gecko) Chrome/14.0.803.0 Safari/535.1

查询和分析语句（调试）

*| SELECT regexp_extract_all(http_user_agent, '(Chrome)',1) AS Chrome, count(*) AS count GROUP BY Chrome

查询和分析结果

regexp_extract函数

regexp_extract函数用于提取目标字符串中符合正则表达式的子串。

语法

提取并返回目标字符串中符合正则表达式的第一个子串。
```
regexp_extract(x, regular expression)
```
提取目标字符串中符合正则表达式的子串，然后返回与目标捕获组匹配的第一个子串。
```
regexp_extract(x, regular expression, n)
```

参数说明

参数	说明
x	参数值为varchar类型。
regular expression	包含捕获组的正则表达式。例如`(\d)(\d)(\d)`表示三个捕获组。
n	第n个捕获组。n为从1开始的整数。

返回值类型

varchar类型。

示例

SQL

示例1：提取server_protocol字段值中的第一个数字。
- 字段样例
```
server_protocol:HTTP/2.0
```
- 查询和分析语句（调试）
```
*|SELECT regexp_extract(server_protocol, '\d+')
```
- 查询和分析结果
示例2：提取request_uri字段值中的文件部分，然后统计各个文件的访问次数。
- 字段样例
```
request_uri:/request/path-3/file-5
```
- 查询和分析语句（调试）
```
* | SELECT regexp_extract(request_uri, '.*\/(file.*)', 1) AS file, count(*) AS count GROUP BY file
```
- 查询和分析结果
示例3：提取message字段值中的单引号（'）和数字部分。
- 字段样例
```
message:error'1232
```
- 查询和分析语句
```
* | SELECT regexp_extract(message, '''\d+') 
```
  说明
  使用正则式函数提取字符串中的单引号（'）时，需要在正则表达式中再添加一个单引号（'）。
- 查询和分析结果

SPL

示例1：提取server_protocol字段值中的第一个数字。
- 字段样例

server_protocol:HTTP/2.0

查询和分析语句

* | extend a = regexp_extract(server_protocol, '\d+')

查询和分析结果

示例2：提取request_uri字段值中的文件部分。
- 字段样例

request_uri:/request/path-3/file-5

查询和分析语句

* | extend a = regexp_extract(request_uri, '.*\/(file.*)',1)

查询和分析结果

示例3：提取message字段值中的单引号（'）和数字部分。
- 字段样例

message:error'1232

查询和分析语句

* | extend a = regexp_extract(message, '''\d+')

说明

使用正则表达式函数提取字符串中的单引号（'）时，需要在正则表达式中再添加一个单引号（'）。

查询和分析结果

regexp_like函数

regexp_like函数用于判断目标字符串是否符合正则表达式。

语法

regexp_like(x, regular expression)

参数说明

参数	说明
x	参数值为varchar类型。
regular expression	正则表达式。

返回值类型

boolean类型。

示例

SQL

判断server_protocol字段值中是否包含数字。

字段样例
```
server_protocol:HTTP/2.0
```

查询和分析语句（调试）

*| select regexp_like(server_protocol, '\d+')

查询和分析结果

SPL

判断server_protocol字段值中是否包含数字

字段样例

server_protocol:HTTP/2.0

查询和分析语句

* |extend a = regexp_like(server_protocol, '\d+')

查询和分析结果

regexp_replace函数

删除或替换目标字符串中符合正则表达式的子串。

语法

删除目标字符串中符合正则表达式的子串，返回未被删除的子串。
```
regexp_replace(x, regular expression)
```
替换目标字符串中符合正则表达式的子串，返回被替换后的字符串。
```
regexp_replace(x, regular expression, replace string)
```

参数说明

参数	说明
x	参数值为varchar类型。
regular expression	正则表达式。
replace string	用于替换的子串。

返回值类型

varchar类型。

示例

SQL

示例1：将region字段值中以cn开头的地域名都替换为中国，然后统计来自中国的请求数量。
- 字段样例
```
region:cn-shanghai
```
- 查询和分析语句（调试）
```
* | select regexp_replace(region, 'cn.*','中国') AS region, count(*) AS count GROUP BY region
```
- 查询和分析结果
示例2：删除server_protocol字段值中的版本号部分，然后统计不同通信协议对应的请求数量。
- 字段样例
```
server_protocol:HTTP/2.0
```
- 查询和分析语句（调试）
```
*| select regexp_replace(server_protocol, '.\d+') AS server_protocol, count(*) AS count GROUP BY server_protocol
```
- 查询和分析结果

SPL

示例1：将region字段值中以cn开头的地域名都替换为中国。
- 字段样例

region:cn-shanghai

查询和分析语句

* | extend a = regexp_replace(region, 'cn.*','中国')

查询和分析结果
示例2：删除server_protocol字段值中的版本号部分。
- 字段样例

server_protocol:HTTP/2.0

查询和分析语句（调试）

* | extend a = regexp_replace(server_protocol, '.\d+')

查询和分析结果

regexp_split函数

regexp_split函数用于分割目标字符串，返回被分割后的子串集合。

语法

regexp_split(x, regular expression)

参数说明

参数	说明
x	参数值为varchar类型。
regular expression	正则表达式。

返回值类型

array类型。

示例

使用正斜线（/）分割request_uri字段的值。

字段样例
```
request_uri:/request/path-0/file-7
```

查询和分析语句（调试）

* | SELECT regexp_split(request_uri,'/')

查询和分析结果