PostgreSQL 正則表達(dá)式常用函數(shù)的總結(jié)

更新時(shí)間：2017年08月12日 16:17:04 作者：yonj1e

這篇文章主要介紹了PostgreSQL 正則表達(dá)式常用函數(shù)的總結(jié)的相關(guān)資料,對(duì)那些需要進(jìn)行復(fù)雜數(shù)據(jù)處理的程序來說，正則表達(dá)式無疑是一個(gè)非常有用的工具，這里就介紹下如何使用，需要的朋友可以參考下

PostgreSQL 正則表達(dá)式常用函數(shù)的總結(jié)

對(duì)那些需要進(jìn)行復(fù)雜數(shù)據(jù)處理的程序來說，正則表達(dá)式無疑是一個(gè)非常有用的工具。本文重點(diǎn)在于闡述 PostgreSQL 的一些常用正則表達(dá)式函數(shù)以及源碼中的一些函數(shù)。

正則相關(guān)部分的目錄結(jié)構(gòu)

[root@localhost regex]# pwd
/opt/hgdb-core/src/include/regex
[root@localhost regex]# ll
total 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

正則表達(dá)式編譯、匹配、釋放、錯(cuò)誤信息相關(guān)文件，后面再做具體介紹

[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]#

內(nèi)置函數(shù)實(shí)現(xiàn)在 regexp.c

[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]#

內(nèi)置函數(shù)聲明：

/* 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_ ));

參數(shù)類型及返回值類型：

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)函數(shù)提供了從字符串中抽取一個(gè)匹配 POSIX 正則表達(dá)式模式的子字符串的方法。如果沒有匹配它返回 NULL ，否則就是文本中匹配模式的那部分。

regexp_replace(source, pattern, replacement [, flags ])函數(shù)提供了將匹配 POSIX 正則表達(dá)式模式的子字符串替換為新文本的功能。

regexp_matches(string, pattern[, flags ])函數(shù)返回一個(gè)從匹配POSIX正則表達(dá)式模式中獲取的所有子串結(jié)果的text數(shù)組。
參數(shù)flags是一個(gè)可選的text字符串，含有0或者更多單字母標(biāo)記來改變函數(shù)行為。標(biāo)記g導(dǎo)致查找字符串中的每個(gè)匹配，而不僅是第一個(gè)，每個(gè)匹配返回一行。

regexp_split_to_table(string, pattern[, flags ])函數(shù)使用POSIX正則表達(dá)式模式作為分隔符，分隔字符串。返回結(jié)果為string。。

regexp_split_to_array (string, pattern[, flags ])函數(shù)與regexp_split_to_table行為相同，但，返回結(jié)果為text數(shù)組。

具體使用參考用戶手冊(cè)。

src/include/regex/regex.h

regex_t 結(jié)構(gòu)體

/* 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;

存放編譯后的正則表達(dá)式

regmatch_t 結(jié)構(gòu)體

/* 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;

成員rm_so 存放匹配文本串在目標(biāo)串中的開始位置，rm_eo 存放結(jié)束位置。通常我們以數(shù)組的形式定義一組這樣的結(jié)構(gòu)。

有下面幾個(gè)主要的函數(shù)聲明

/*
 * 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);

處理正則表達(dá)式常用的函數(shù)有 pg_regcomp()、pg_regexec()、pg_regfree() 和 pg_regerror()。

一般處理步驟：編譯正則表達(dá)式 pg_regcomp()，匹配正則表達(dá)式 pg_regexec()，釋放正則表達(dá)式 pg_regfree()。

pg_regerror() ：當(dāng)執(zhí)行regcomp 或者regexec 產(chǎn)生錯(cuò)誤的時(shí)候，就可以調(diào)用這個(gè)函數(shù)而返回一個(gè)包含錯(cuò)誤信息的字符串。

參數(shù)說明

int
pg_regcomp(regex_t *re,
   const chr *string, /* 正則表達(dá)式字符串 */
   size_t len, /* 正則表達(dá)式字符串長度 */
   int flags,
   Oid collation)

int
pg_regexec(regex_t *re, /* 已經(jīng)用regcomp函數(shù)編譯好的正則表達(dá)式 */
   const chr *string, /* 目標(biāo)字符串 */
   size_t len, /* 目標(biāo)字符串長度 */
   size_t search_start, /* 匹配開始位置 */
   rm_detail_t *details, /* NULL */
   size_t nmatch, /* 是regmatch_t結(jié)構(gòu)體數(shù)組的長度 */
   regmatch_t pmatch[], /* regmatch_t類型的結(jié)構(gòu)體數(shù)組，存放匹配文本串的位置信息 */
   int flags)

flags

src/backend/utils/adt/regexp.c

/* 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;

/*
 * 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 void
parse_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': /* \n affects ^ $ . [^ */
   flags->cflags |= REG_NEWLINE;
   break;
  case 'p': /* ~Perl, \n 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, \n ordinary */
   flags->cflags &= ~REG_NEWLINE;
   break;
  case 't': /* tight syntax */
   flags->cflags &= ~REG_EXPANDED;
   break;
  case 'w': /* weird, \n 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;
  }
 }
 }
}

選項(xiàng)	描述
b	剩余的正則表達(dá)式是 BR
c	大小寫敏感匹配(覆蓋操作符類型)
e	剩余的正則表達(dá)式是 ERE
i	大小寫不敏感匹配(覆蓋操作符類型)
m	n的歷史同義詞
n	新行敏感匹
p	部分新行敏感匹配
q	重置正則表達(dá)式為一個(gè)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	緊語法
w	反轉(zhuǎn)部分新行敏感("怪異")匹配
x	擴(kuò)展的語法