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]# 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
|
int
pg_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)
int
pg_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 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 ': /* 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