PostgreSQL 正則表達式常用函數的總結

2024-07-24 13:14:15

字體：大中小

來源：轉載

供稿：網友

PostgreSQL 正則表達式常用函數的總結

對那些需要進行復雜數據處理的程序來說，正則表達式無疑是一個非常有用的工具。本文重點在于闡述 PostgreSQL 的一些常用正則表達式函數以及源碼中的一些函數。

正則相關部分的目錄結構

[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

正則表達式編譯、匹配、釋放、錯誤信息相關文件，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]#

內置函數實現在 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]#

內置函數聲明：

/* 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)函數提供了從字符串中抽取一個匹配 POSIX 正則表達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 ])函數提供了將匹配 POSIX 正則表達式模式的子字符串替換為新文本的功能。

regexp_matches(string, pattern[, flags ])函數返回一個從匹配POSIX正則表達式模式中獲取的所有子串結果的text數組。
參數flags是一個可選的text字符串，含有0或者更多單字母標記來改變函數行為。標記g導致查找字符串中的每個匹配，而不僅是第一個，每個匹配返回一行。

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

regexp_split_to_array (string, pattern[, flags ])函數與regexp_split_to_table行為相同，但，返回結果為text數組。

具體使用參考用戶手冊。

src/include/regex/regex.h

regex_t 結構體

/* 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式

regmatch_t 結構體

/* 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串中的開始位置，rm_eo 存放結束位置。通常我們以數組的形式定義一組這樣的結構。

有下面幾個主要的函數聲明

/* * 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);

處理正則表達式常用的函數有 pg_regcomp()、pg_regexec()、pg_regfree() 和 pg_regerror()。

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

pg_regerror() ：當執行regcomp 或者regexec 產生錯誤的時候，就可以調用這個函數而返回一個包含錯誤信息的字符串。

參數說明

intpg_regcomp(regex_t *re,   const chr *string, /* 正則表達式字符串 */   size_t len, /* 正則表達式字符串長度 */   int flags,   Oid collation)intpg_regexec(regex_t *re, /* 已經用regcomp函數編譯好的正則表達式 */   const chr *string, /* 目標字符串 */   size_t len, /* 目標字符串長度 */   size_t search_start, /* 匹配開始位置 */   rm_detail_t *details, /* NULL */   size_t nmatch, /* 是regmatch_t結構體數組的長度 */   regmatch_t pmatch[], /* regmatch_t類型的結構體數組，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 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': /* /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	描述
b	剩余的正則表達式是 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	重置正則表達式為一個文本("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	反轉部分新行敏感("怪異")匹配
x	擴展的語法