Регулярные выражения

DuckDB предлагает операторы сопоставления шаблонов (LIKE, SIMILAR TO, GLOB), а также поддержку регулярных выражений через функции.

Синтаксис регулярных выражений

DuckDB использует библиотеку RE2 в качестве движка регулярных выражений. Синтаксис регулярных выражений см. в документации RE2.

Функции

Все функции принимают необязательный набор параметров.

regexp_extract(string, pattern[, group = 0][, options])

regexp_extract(string, pattern, name_list[, options])

regexp_extract_all(string, regex[, group = 0][, options])

regexp_full_match(string, regex[, options])

regexp_matches(string, pattern[, options])

regexp_replace(string, pattern, replacement[, options])

regexp_split_to_array(string, regex[, options])

regexp_split_to_table(string, regex[, options])

Функция regexp_matches похожа на оператор SIMILAR TO, но не требует совпадения всей строки. Вместо этого, regexp_matches возвращает true, если строка просто содержит шаблон (если не используются специальные маркеры ^ и $ для привязки регулярного выражения к началу и концу строки). Ниже приведены некоторые примеры:

SELECT regexp_matches('abc', 'abc');       -- true
SELECT regexp_matches('abc', '^abc$');     -- true
SELECT regexp_matches('abc', 'a');         -- true
SELECT regexp_matches('abc', '^a$');       -- false
SELECT regexp_matches('abc', '.*(b|d).*'); -- true
SELECT regexp_matches('abc', '(b|c).*');   -- true
SELECT regexp_matches('abc', '^(b|c).*');  -- false
SELECT regexp_matches('abc', '(?i)A');     -- true
SELECT regexp_matches('abc', 'A', 'i');    -- true

Параметры функций регулярных выражений

Функции регулярных выражений поддерживают следующие options.

Например:

SELECT regexp_matches('abcd', 'ABC', 'c'); -- false
SELECT regexp_matches('abcd', 'ABC', 'i'); -- true
SELECT regexp_matches('ab^/$cd', '^/$', 'l'); -- true
SELECT regexp_matches(E'hello\nworld', 'hello.world', 'p'); -- false
SELECT regexp_matches(E'hello\nworld', 'hello.world', 's'); -- true

Использование regexp_matches

Оператор regexp_matches будет оптимизирован до оператора LIKE когда это возможно. Для достижения наилучшей производительности, следует передать параметр 'c' (чувствительность к регистру), если это применимо. Обратите внимание, что по умолчанию библиотека RE2 не сопоставляет символ . с новой строкой.

Использование regexp_replace

Функция regexp_replace может быть использована для замены части строки, которая соответствует шаблону регулярного выражения, на строку замены. Запись \d (где d — число, указывающее на группу) может быть использована для ссылки на группы, захваченные в регулярном выражении, в строке замены. Обратите внимание, что по умолчанию regexp_replace заменяет только первое вхождение регулярного выражения. Для замены всех вхождений используйте флаг глобальной замены (g)

Вот несколько примеров использования regexp_replace:

SELECT regexp_replace('abc', '(b|c)', 'X');        -- aXc
SELECT regexp_replace('abc', '(b|c)', 'X', 'g');   -- aXX
SELECT regexp_replace('abc', '(b|c)', '\1\1\1\1'); -- abbbbc
SELECT regexp_replace('abc', '(.*)c', '\1e');      -- abe
SELECT regexp_replace('abc', '(a)(b)', '\2\1');    -- bac

Использование regexp_extract

Функция regexp_extract используется для извлечения части строки, которая соответствует шаблону регулярного выражения. Конкретную захваченную группу в шаблоне можно извлечь, используя параметр group. Если group не указан, он по умолчанию равен 0, извлекая первое совпадение со всем шаблоном.

SELECT regexp_extract('abc', '.b.');           -- abc
SELECT regexp_extract('abc', '.b.', 0);        -- abc
SELECT regexp_extract('abc', '.b.', 1);        -- (empty)
SELECT regexp_extract('abc', '([a-z])(b)', 1); -- a
SELECT regexp_extract('abc', '([a-z])(b)', 2); -- b

Функция regexp_extract также поддерживает аргумент name_list, который является LIST строк. Используя name_list, функция regexp_extract вернёт соответствующие захваченные группы как поля STRUCT:

SELECT regexp_extract('2023-04-15', '(\d+)-(\d+)-(\d+)', ['y', 'm', 'd']);

{'y': 2023, 'm': 04, 'd': 15}

SELECT regexp_extract('2023-04-15 07:59:56', '^(\d+)-(\d+)-(\d+) (\d+):(\d+):(\d+)', ['y', 'm', 'd']);

{'y': 2023, 'm': 04, 'd': 15}

SELECT regexp_extract('duckdb_0_7_1', '^(\w+)_(\d+)_(\d+)', ['tool', 'major', 'minor', 'fix']);

Binder Error: Not enough group names in regexp_extract

Если количество имён столбцов меньше количества захваченных групп, то возвращаются только первые группы. Если количество имён столбцов больше, генерируется ошибка.

Ограничения

Регулярные выражения поддерживают только 9 захваченных групп: \1, \2, \3, …, \9. Захват групп с двумя и более цифрами не поддерживается.