MySQL中的正则

正则表达式（SQL中的应用）

正则表达式（Regular Expression，简称Regex）是一种用于匹配字符串的强大工具。在MySQL中，正则表达式可以用于模糊查询和数据清洗，极大地提升了数据处理的灵活性和效率。本文将详细介绍正则表达式在MySQL中的应用，包括模糊查询和数据清洗的具体实现。只需要会用一些基础的就行，需要的时候随时去网上找就行了

1. 正则表达式简介

正则表达式是一种模式匹配工具，通过特定的语法和规则来描述字符串的结构。常见的正则表达式符号包括：

普通字符:

a-zA-Z0-9：匹配任意一个字母或数字字符。
a：匹配字符 ‘a’。
abc：匹配字符串 “abc”。

元字符:

.：匹配除换行符外的任何单个字符。
^：匹配字符串的开始位置。
$：匹配字符串的结束位置。
*****：匹配前面的子表达式零次或多次。
+：匹配前面的子表达式一次或多次。
?：匹配前面的子表达式零次或一次。
|：表示“或”操作符，匹配左边或右边的表达式。

转义字符：

\：用于转义字符，使得元字符可以作为普通字符使用。例如， \\. 匹配字符 ‘.’。

字符类：

[abc]：匹配方括号内的任意一个字符（a、b 或 c）。
[^abc]：匹配任何不在方括号内的字符。
[a-z]：匹配任何一个小写字母。
[A-Z]：匹配任何一个大写字母。
[0-9]：匹配任何一个数字。

预定义字符类：

\d：匹配任何一个数字字符，相当于 [0-9]。
\D：匹配任何一个非数字字符，相当于 [^0-9]。
\w：匹配任何一个字母、数字或下划线字符，相当于 [a-zA-Z0-9_]。
\W：匹配任何一个非字母、非数字、非下划线字符，相当于 [^a-zA-Z0-9_]。
\s：匹配任何一个空白字符，包括空格、制表符、换页符等。
\S：匹配任何一个非空白字符。

边界匹配：

\b：匹配一个单词边界，即字母与非字母之间的位置。
\B：匹配非单词边界的位置。

分组和捕获：

()：用于分组和捕获子表达式。组可以记忆匹配的文本，稍后可以使用。
(?)：用于分组但不捕获匹配的文本。

量词：

{n}：匹配前面的子表达式恰好 n 次。
{n,}：匹配前面的子表达式至少 n 次。
{n,m}：匹配前面的子表达式至少 n 次，但不超过 m 次。

示例：

匹配邮箱地址
```
^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$
```
解释：
- ^：匹配字符串的开始。
- [a-zA-Z0-9._%+-]+：匹配一个或多个字母、数字、点、下划线、百分号、加号或减号。
- @：匹配 ‘@’ 字符。
- [a-zA-Z0-9.-]+：匹配一个或多个字母、数字、点或减号。
- \.：匹配 ‘.’ 字符。
- [a-zA-Z]{2,}：匹配至少两个字母。
- $：匹配字符串的结束。
匹配电话号码（仅数字）
```
^\d{10}$
```
解释：
- ^：匹配字符串的开始。
- \d{10}：匹配恰好10个数字。
- $：匹配字符串的结束。
匹配日期（格式：YYYY-MM-DD）
```
^\d{4}-\d{2}-\d{2}$
```
解释：
- ^：匹配字符串的开始。
- \d{4}：匹配四个数字（年）。
- -：匹配 ‘-’ 字符。
- \d{2}：匹配两个数字（月）。
- -：匹配 ‘-’ 字符。
- \d{2}：匹配两个数字（日）。
- $：匹配字符串的结束。
匹配以特定字母开头的字符串
```
^[A-Ma-m]
```
解释：
- ^：匹配字符串的开始。
- [A-Ma-m]：匹配大写字母 A 到 M 或小写字母 a 到 m。

2. MySQL中的正则表达式

在MySQL中，REGEXP 和 RLIKE 是用于正则表达式匹配的关键字，二者功能相同，可以互换使用。

3. 正则表达式模糊查询

模糊查询用于查找符合特定模式的记录，这在搜索和过滤数据时非常有用。

3.1 查找以特定字母开头的用户名

假设我们想查找所有以’A’开头的用户名：

SELECT *
FROM users
WHERE name REGEXP '^A';

如果要查找以A到M字母开头的用户名，可以使用字符集：

SELECT *
FROM users
WHERE name REGEXP '^[A-M]';

3.2 查找包含特定字符的记录

我们可以查找用户名中包含数字的记录：

SELECT *
FROM users
WHERE name REGEXP '[0-9]';

4. 数据清洗

数据清洗是指对数据进行清理和格式化，使其符合预期的格式或标准。正则表达式在数据清洗中非常有效。

4.1 清理电话号码中的非数字字符

假设我们有一个 phone 字段，包含用户的电话号码，但可能包含一些非数字字符（如括号、空格或连字符）。我们可以使用正则表达式清理这些非数字字符：

UPDATE users
SET phone = REGEXP_REPLACE(phone, '[^0-9]', '');

上述查询将删除 phone 字段中的所有非数字字符，只保留数字。

4.2 替换不规范的字符串

假设我们有一个 address 字段，其中包含一些缩写，需要将其替换为全称。例如，将’Rd.‘替换为’Road’：

UPDATE users
SET address = REGEXP_REPLACE(address, 'Rd\\.', 'Road');

4.3 标准化数据格式

假设我们有一个日期字段 birthdate，其中的日期格式不统一。我们可以使用正则表达式将所有日期格式标准化为 YYYY-MM-DD：

UPDATE users
SET birthdate = STR_TO_DATE(REGEXP_REPLACE(birthdate, '^(\\d{2})/(\\d{2})/(\\d{4})$', '\\3-\\1-\\2'), '%Y-%m-%d')
WHERE birthdate REGEXP '^(\\d{2})/(\\d{2})/(\\d{4})$';