正则表达式规范 - 云原生大数据计算服务 MaxCompute

MaxCompute SQL中的正则表达式采用的是PCRE的规范，匹配时按字符进行。

RLIKE

您可以使用RLIKE语句匹配正则表达式，支持的元字符如下表所示。


元字符	说明
^	行首。
$	行尾。
.	任意字符。
*	匹配前面的子表达式0次或多次。
+	匹配前面的子表达式1次或多次。
?	匹配前面的子表达式0次或1次。
?	匹配修饰符，当该字符跟在任何一个其他限制符 (* 、+、?、 {n}、 {n,}、 {n,m}）后面时，匹配模式为非贪婪模式。非贪婪模式尽可能少的匹配所搜索的字符串，而默认的贪婪模式则尽可能多的匹配所搜索的字符串。
A\|B	A或B。
(abc)*	匹配abc序列0次或多次。
{n}或{m,n}	匹配的次数。
[ab]	匹配括号中的任一字符。模式匹配a或b。
[a-d]	匹配a、b、c、d任一字符。
[^ab]	^表示非，匹配任一非a非b的字符。
[::]	见下表POSIX字符组。
\	转义符。
\n	n为数字1-9，后向引用。
\d	数字。
\D	非数字。

字符组


字符组类型	字符组	说明	范围
POSIX字符组	[[:alnum:]]	字母字符和数字字符	[a-zA-Z0-9]
	[[:alpha:]]	字母	[a-zA-Z]
	[[:ascii:]]	ASCII字符	[\x00-\x7F]
	[[:blank:]]	空格字符和制表符	[ \t]
	[[:cntrl:]]	控制字符	[\x00-\x1F\x7F]
	[[:digit:]]	数字字符	[0-9]
	[[:graph:]]	空白字符之外的字符	[\x21-\x7E]
	[[:lower:]]	小写字母字符	[a-z]
	[[:print:]]	[:graph:]和空白字符	[\x20-\x7E]
	[[:punct:]]	标点符号	[][!”#$%&’()*+,./:;<=>? @\^_`{\|}~-]
	[[:space:]]	空白字符	[ \t\r\n\v\f]
	[[:upper:]]	大写字母字符	[A-Z]
	[[:xdigit:]]	十六进制字符	[A-Fa-f0-9]
中文字符组	不涉及	包括汉字在内的双字节字符	[^\\x{00}-\\x{ff}]
	不涉及	中文字符	[\\x{4e00}-\\x{9fa5}]
	不涉及	中文标点	中文标点无统一的编码范围，您可以在搜索引擎上搜索中文标点符号Unicode码，然后结合运算符来逐个排除。例如句号（。）对应正则表达式为`[\\x{3002}]`。执行`select * from values ('你好。'),('nihao！') t(d) where d rlike '[\\x{3002}]';`返回结果为`你好。`。说明如果要匹配单引号，可以用`unicode0027`，对应正则表达式为 `[\\x{0027}]`。

转义符

由于系统采用反斜线\作为转义符，因此正则表达式的模式中出现的\都要进行二次转义。例如正则表达式要匹配字符串a+b。其中+是正则中的一个特殊字符，因此要用转义的方式表达，在正则引擎中的表达方式是a\\+b。由于系统还要解释一层转义，因此能够匹配该字符串的表达式是a\\\+b。

示例如下。

select 'a+b' rlike 'a\\\+b';

+------+
| _c1  |
+------+
| true |
+------+

极端的情况，如果要匹配字符\，由于在正则引擎中\是一个特殊字符，因此要表示为\\，而系统还要对表达式进行一次转义，因此写成\\\\。

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 |
+-----+------+

说明在MaxCompute SQL中写a\\b，而在输出结果中显示a\b，同样是因为MaxCompute会对表达式进行转义。

如果字符串中有制表符TAB，系统在读入\t这两个字符时，已经将其存为一个字符，因此在正则的模式中它也是一个普通的字符。

select 'a\tb', 'a\tb' rlike 'a\tb';

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