PostgreSQL 正则表达式 常用函数的总结
对那些需要进行复杂数据处理的程序来说，正则表达式无疑是一个非常有用的工具。本文重点在于阐述 PostgreSQL 的一些常用正则表达式函数以及源码中的一些函数。
正则相关部分的目录结构
|
1
2
3
4
5
6
7
8
9
|
[root@localhost regex]# pwd/opt/hgdb-core/src/include/regex[root@localhost regex]# lltotal 40-rw-r--r--. 1 postgres postgres 3490 Mar 19 19:00 regcustom.h-rw-r--r--. 1 postgres postgres 1332 Mar 19 18:59 regerrs.h-rw-r--r--. 1 postgres postgres 6703 Mar 19 19:00 regex.h-rw-r--r--. 1 postgres postgres 2353 Mar 19 19:00 regexport.h-rw-r--r--. 1 postgres postgres 16454 Mar 19 19:00 regguts.h |
正则表达式编译、匹配、释放、错误信息相关文件，后面再做具体介绍
|
1
2
3
4
5
6
7
8
|
[root@localhost regex]# pwd/opt/hgdb-core/src/backend/regex[root@localhost regex]# ll reg*.c-rw-r--r--. 1 postgres postgres 55851 Mar 19 19:00 regcomp.c-rw-r--r--. 1 postgres postgres 3671 Mar 19 18:59 regerror.c-rw-r--r--. 1 postgres postgres 34873 Mar 19 19:00 regexec.c-rw-r--r--. 1 postgres postgres 2123 Mar 19 18:59 regfree.c[root@localhost regex]# |
内置函数实现在 regexp.c
|
1
2
3
4
5
|
[root@localhost adt]# pwd/opt/hgdb-core/src/backend/utils/adt[root@localhost adt]# ll regexp.c-rw-r--r--. 1 postgres postgres 34863 Apr 12 02:29 regexp.c[root@localhost adt]# |
内置函数声明：
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
/* src/include/catalog/pg_proc.h */DATA(insert OID = 2073 ( substring PGNSP PGUID 12 1 0 0 0 f f f f t f i 2 0 25 "25 25" _null_ _null_ _null_ _null_ _null_ textregexsubstr _null_ _null_ _null_ ));DESCR("extract text matching regular expression");DATA(insert OID = 2074 ( substring PGNSP PGUID 14 1 0 0 0 f f f f t f i 3 0 25 "25 25 25" _null_ _null_ _null_ _null_ _null_ "select pg_catalog.substring($1, pg_catalog.similar_escape($2, $3))" _null_ _null_ _null_ ));DESCR("extract text matching SQL99 regular expression");DATA(insert OID = 2284 ( regexp_replace PGNSP PGUID 12 1 0 0 0 f f f f t f i 3 0 25 "25 25 25" _null_ _null_ _null_ _null_ _null_ textregexreplace_noopt _null_ _null_ _null_ ));DESCR("replace text using regexp");DATA(insert OID = 2285 ( regexp_replace PGNSP PGUID 12 1 0 0 0 f f f f t f i 4 0 25 "25 25 25 25" _null_ _null_ _null_ _null_ _null_ textregexreplace _null_ _null_ _null_ ));DESCR("replace text using regexp");DATA(insert OID = 2763 ( regexp_matches PGNSP PGUID 12 1 1 0 0 f f f f t t i 2 0 1009 "25 25" _null_ _null_ _null_ _null_ _null_ regexp_matches_no_flags _null_ _null_ _null_ ));DESCR("find all match groups for regexp");DATA(insert OID = 2764 ( regexp_matches PGNSP PGUID 12 1 10 0 0 f f f f t t i 3 0 1009 "25 25 25" _null_ _null_ _null_ _null_ _null_ regexp_matches _null_ _null_ _null_ ));DESCR("find all match groups for regexp");DATA(insert OID = 2765 ( regexp_split_to_table PGNSP PGUID 12 1 1000 0 0 f f f f t t i 2 0 25 "25 25" _null_ _null_ _null_ _null_ _null_ regexp_split_to_table_no_flags _null_ _null_ _null_ ));DESCR("split string by pattern");DATA(insert OID = 2766 ( regexp_split_to_table PGNSP PGUID 12 1 1000 0 0 f f f f t t i 3 0 25 "25 25 25" _null_ _null_ _null_ _null_ _null_ regexp_split_to_table _null_ _null_ _null_ ));DESCR("split string by pattern");DATA(insert OID = 2767 ( regexp_split_to_array PGNSP PGUID 12 1 0 0 0 f f f f t f i 2 0 1009 "25 25" _null_ _null_ _null_ _null_ _null_ regexp_split_to_array_no_flags _null_ _null_ _null_ ));DESCR("split string by pattern");DATA(insert OID = 2768 ( regexp_split_to_array PGNSP PGUID 12 1 0 0 0 f f f f t f i 3 0 1009 "25 25 25" _null_ _null_ _null_ _null_ _null_ regexp_split_to_array _null_ _null_ _null_ )); |
参数类型及返回值类型：
|
1
2
3
4
5
6
|
postgres=# select oid,typname from pg_type where oid = 25 or oid = 1009; oid | typname ------+--------- 25 | text 1009 | _text(2 rows) |
substring(string from pattern)函数提供了从字符串中抽取一个匹配 POSIX 正则表达式模式的子字符串的方法。如果没有匹配它返回 NULL ，否则就是文本中匹配模式的那部分。
regexp_replace(source, pattern, replacement [, flags ])函数提供了将匹配 POSIX 正则表达式模式的子字符串替换为新文本的功能。
regexp_matches(string, pattern[, flags ])函数返回一个从匹配POSIX正则表达式模式中获取的所有子串结果的text数组。
参数flags是一个可选的text字符串，含有0或者更多单字母标记来改变函数行为。标记g导致查找字符串中的每个匹配，而不仅是第一个，每个匹配返回一行。
regexp_split_to_table(string, pattern[, flags ])函数使用POSIX正则表达式模式作为分隔符，分隔字符串。返回结果为string。。
regexp_split_to_array (string, pattern[, flags ])函数与regexp_split_to_table行为相同，但，返回结果为text数组。
具体使用参考用户手册。
src/include/regex/regex.h
regex_t 结构体
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
|
/* the biggie, a compiled RE (or rather, a front end to same) */typedef struct{ int re_magic; /* magic number */ size_t re_nsub; /* number of subexpressions */ long re_info; /* information about RE */#define REG_UBACKREF 000001#define REG_ULOOKAHEAD 000002#define REG_UBOUNDS 000004#define REG_UBRACES 000010#define REG_UBSALNUM 000020#define REG_UPBOTCH 000040#define REG_UBBS 000100#define REG_UNONPOSIX 000200#define REG_UUNSPEC 000400#define REG_UUNPORT 001000#define REG_ULOCALE 002000#define REG_UEMPTYMATCH 004000#define REG_UIMPOSSIBLE 010000#define REG_USHORTEST 020000 int re_csize; /* sizeof(character) */ char *re_endp; /* backward compatibility kludge */ Oid re_collation; /* Collation that defines LC_CTYPE behavior */ /* the rest is opaque pointers to hidden innards */ char *re_guts; /* `char *' is more portable than `void *' */ char *re_fns;} regex_t; |
存放编译后的正则表达式
regmatch_t 结构体
|
1
2
3
4
5
6
7
8
|
/* result reporting (may acquire more fields later) */typedef struct{ regoff_t rm_so; /* start of substring */ regoff_t rm_eo; /* end of substring */} regmatch_t;typedef long regoff_t; |
成员rm_so 存放匹配文本串在目标串中的开始位置，rm_eo 存放结束位置。通常我们以数组的形式定义一组这样的结构。
有下面几个主要的函数声明
|
1
2
3
4
5
6
7
8
9
|
/* * the prototypes for exported functions */extern int pg_regcomp(regex_t *, const pg_wchar *, size_t, int, Oid);extern int pg_regexec(regex_t *, const pg_wchar *, size_t, size_t, rm_detail_t *, size_t, regmatch_t[], int);extern int pg_regprefix(regex_t *, pg_wchar **, size_t *);extern void pg_regfree(regex_t *);extern size_t pg_regerror(int, const regex_t *, char *, size_t);extern void pg_set_regex_collation(Oid collation); |
处理正则表达式常用的函数有 pg_regcomp()、pg_regexec()、pg_regfree() 和 pg_regerror()。
一般处理步骤：编译正则表达式 pg_regcomp()，匹配正则表达式 pg_regexec()，释放正则表达式 pg_regfree()。
pg_regerror() ：当执行regcomp 或者regexec 产生错误的时候，就可以调用这个函数而返回一个包含错误信息的字符串。
参数说明
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
intpg_regcomp(regex_t *re, const chr *string, /* 正则表达式字符串 */ size_t len, /* 正则表达式字符串长度 */ int flags, Oid collation)intpg_regexec(regex_t *re, /* 已经用regcomp函数编译好的正则表达式 */ const chr *string, /* 目标字符串 */ size_t len, /* 目标字符串长度 */ size_t search_start, /* 匹配开始位置 */ rm_detail_t *details, /* NULL */ size_t nmatch, /* 是regmatch_t结构体数组的长度 */ regmatch_t pmatch[], /* regmatch_t类型的结构体数组，存放匹配文本串的位置信息 */ int flags) |
flags
src/backend/utils/adt/regexp.c
|
1
2
3
4
5
6
|
/* all the options of interest for regex functions */typedef struct pg_re_flags{ int cflags; /* compile flags for Spencer's regex code */ bool glob; /* do it globally (for each occurrence) */} pg_re_flags; |
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
|
/* * parse_re_flags - parse the options argument of regexp_matches and friends * * flags --- output argument, filled with desired options * opts --- TEXT object, or NULL for defaults * * This accepts all the options allowed by any of the callers; callers that * don't want some have to reject them after the fact. */static voidparse_re_flags(pg_re_flags *flags, text *opts){ /* regex flavor is always folded into the compile flags */ flags->cflags = REG_ADVANCED; flags->glob = false; if (opts) { char *opt_p = VARDATA_ANY(opts); int opt_len = VARSIZE_ANY_EXHDR(opts); int i; for (i = 0; i < opt_len; i++) { switch (opt_p[i]) { case 'g': flags->glob = true; break; case 'b': /* BREs (but why???) */ flags->cflags &= ~(REG_ADVANCED | REG_EXTENDED | REG_QUOTE); break; case 'c': /* case sensitive */ flags->cflags &= ~REG_ICASE; break; case 'e': /* plain EREs */ flags->cflags |= REG_EXTENDED; flags->cflags &= ~(REG_ADVANCED | REG_QUOTE); break; case 'i': /* case insensitive */ flags->cflags |= REG_ICASE; break; case 'm': /* Perloid synonym for n */ case 'n': /* affects ^ $ . [^ */ flags->cflags |= REG_NEWLINE; break; case 'p': /* ~Perl, affects . [^ */ flags->cflags |= REG_NLSTOP; flags->cflags &= ~REG_NLANCH; break; case 'q': /* literal string */ flags->cflags |= REG_QUOTE; flags->cflags &= ~(REG_ADVANCED | REG_EXTENDED); break; case 's': /* single line, ordinary */ flags->cflags &= ~REG_NEWLINE; break; case 't': /* tight syntax */ flags->cflags &= ~REG_EXPANDED; break; case 'w': /* weird, affects ^ $ only */ flags->cflags &= ~REG_NLSTOP; flags->cflags |= REG_NLANCH; break; case 'x': /* expanded syntax */ flags->cflags |= REG_EXPANDED; break; default: ereport(ERROR, (errcode(ERRCODE_INVALID_PARAMETER_VALUE), errmsg("invalid regexp option: "%c"", opt_p[i]))); break; } } }} |
| 选项 | 描述 |
| b | 剩余的正则表达式是 BR |
| c | 大小写敏感匹配(覆盖操作符类型) |
| e | 剩余的正则表达式是 ERE |
| i | 大小写不敏感匹配(覆盖操作符类型) |
| m | n的历史同义词 |
| n | 新行敏感匹 |
| p | 部分新行敏感匹配 |
| q | 重置正则表达式为一个文本("引起")字符串，所有都是普通字符。 |
| s | 非新行敏感匹配(缺省) |
| t | 紧语法 |
| w | 反转部分新行敏感("怪异")匹配 |
| x | 扩展的语法 |
以上就是PostgreSQL 正则表达式 常用函数的实例详解，如有疑问请留言或者到本站社区交流讨论，感谢阅读，希望能帮助到大家，谢谢大家对本站的支持！
原文链接：https://my.oschina.net/yonj1e/blog/879875
