主页 / dba / 问题 / 294423
Accepted
ivailonmarinov
Asked: 2021-06-18 02:03:39 +0800 CST

使用 RegEx 查找特定字符的列表

  • 772

我正在尝试编写一个查询（Postgres 8.2.15），它正在检查 column1 中的值是否包含：

  1. 仅限英文字母(AZ)，不应包含来自西班牙语、阿拉伯语、德语等的变音/变音符号的特定字符。
  2. 允许使用单个空格、点、破折号、和号、撇号、括号和管道。

我有以下代码，它适用于空格、点和破折号，但是当我将其他一些符号插入到列表中时，查询没有产生正确的结果：

select
    column1,
    case 
        when column1 !~ '^.*[^A-Za-z0-9 .-].*$'
        then 'ok' 
        else 'not ok' 
        end as "check",
from 
    table1

如何使用&、撇号、括号和管道扩展列表？

postgresql regex

1 个回答

  1. Best Answer

    你的SQL如下：

    when column1 !~ '^.*[^A-Za-z0-9 .-].*$'

    这会更好地写成

    WHEN column1 !~ '[^A-Za-z0-9 .-]+'

    因此，只有带有字母、数字和空格、句号（句点）和连字符的 ASCII 字符串。

    您可以查看下面的长版本，但如果您想必须ampersand, apostrophe, brackets and pipes被允许。- 只需使用 ( \) 反斜杠转义字符 - 您可以将上面的模式更改为：

    WHEN column1 !~  '[^A-Za-z0-9&\(\)\| \''.-]+'

    双撇号是为了进一步转义它，因为它是模式分隔符。

    我创建了一个如下表（下面的所有代码都可以在此处的小提琴中找到- 它是 9.5 - 这是我能找到的最旧的版本）：

    CREATE TABLE str_test
(
  str TEXT NOT NULL
);

    然后输入一些数据如下：

    INSERT INTO str_test VALUES
('$ff asfd &*$'), 
('xyz asfd abc'), 
('abc 1234 agg'), 
('adf اشكرك agg'),            -- Arabic characters 
('The essential thing is'),
('afda sfsáásfd sdfs'),       -- á - a acute
('afda sfs谢谢你 sfd sdfs'),  -- Chinese characters
('adf (((( &*$'), 
('adf ||| &*$'),
('Rindfleischetikettierungsüberwachungsaufgabenübertragungsgesetz'), -- German word
('afasdfsdfdadfdsf fasfsafsdafasdfasfaadsf');

    现在，您的原始模式是'^.*[^A-Za-z0-9 .-].*$'这样的，我将使用该SUBSTRING()函数运行它。出现在哪里的字符串将false用于!~模式匹配运算符 - 如果您拼出字符串，有时会更清楚！

    SELECT 
  SUBSTRING (str, '^.*[^A-Za-z0-9 .-].*$') FROM str_test;

    结果：

    substring
$ff asfd &*$
NULL
NULL
adf اشكرك agg
NULL
afda sfsáásfd sdfs
afda sfs谢谢你 sfd sdfs
adf (((( &*$
adf ||| &*$
Rindfleischetikettierungsüberwachungsaufgabenübertragungsgesetz
NULL
11 rows

    因此，该模式正在做的是挑选出所有不是字母数字（ASCII 字母）的字符，然后返回整个字符串 - 这是因为之前和之后^.*的所有内容。.*$

    如果您不想要管道和支架，可以执行以下操作：

    SELECT
  SUBSTRING (str, '^.*[^A-Za-z0-9&\* .\|\$\(-]') FROM str_test;

    结果：

    substring
NULL
NULL
NULL
adf اشكرك
NULL
afda sfsáá
afda sfs谢谢你
Rindfleischetikettierungsüberwachungsaufgabenü
NULL
11 rows

    因此，我们可以看到，现在唯一匹配该模式的字符串是包含阿拉伯字符、á（锐音字符）、中文字符和德语变音符号的字符串。

    现在消除了&, |,$和*括号字符 - 这是通过\在它们之前放置转义反斜杠 ( ) 字符来完成的（除了&不是正则表达式元字符- 或特殊字符）。

    现在，有\w元字符类（也称为速记类）——它代表单词——

    SELECT
  SUBSTRING (str, '[^\w &\.\-\$\|\(\)\*]') FROM str_test;

    结果：

    substring
谢
12 rows

    除了NULL中文字符——阿拉伯语、a 和德文都被淘汰了——只有中文需要处理。于是，我查了一下，发现这个提示\u4e00-\u9fa5单挑汉字的页面

    我决定看一下日语 - 这是日语，谢谢：有り難う。

    INSERT INTO str_test VALUES ('有り難う');

    我也去了这里——得到了手假名/平假名的代码......

    所以，最终的代码是

    SELECT
  SUBSTRING (str, '[^\u3000\u3400-\u4DBF\u4E00-\u9FFFぁ-んァ-ン\w &\.\-\$\|\(\)\*]') FROM str_test;

    结果：

    substring
...
... all NULL
...
13 rows

    现在，从您的问题中还不清楚您希望返回的具体内容是什么 - 您似乎不太希望一切正常。

    这是我的几个试验的另一个小提琴- 看看它们并确保你理解发生了什么 - 正则表达式非常强大，但它们也很棘手 - 很难弄清楚到底发生了什么！

    • 2

相关问题