《MySQL 入门教程》第 09 篇 字符串模式匹配Tony.Dong的专栏-

上一篇我们介绍了如何通过 WHERE 查询条件过滤数据，包括比较运算符、逻辑运算符以及空值判断等。本篇我们来讨论一下字符串的模糊查找。

9.1 LIKE 运算符

MySQL 中的LIKE运算符可以用于判断字符串是否包含某个模式。使用LIKE运算符的语法如下：

expr LIKE pat 

如果表达式 expr 能够匹配模式 pat，结果返回 True（1）；否则，返回 False（0）。如果 expr 或者 pat 为 NULL， 返回 NULL。

根据 SQL 标准，MySQL 支持两个通配符：

• 百分号（%）匹配零个或多个任意字符。
• 下划线（_）匹配一个任意字符。

例如，以下语句用于查询“关”姓员工：

select emp_name from employee where emp_name like '关%';   emp_name| ----------| 关兴      | 关平      | 关羽      | 

其中，“关%”表示以“关”字开始的字符串。另外，“%xyz%”表示包含 xyz 的字符串；“%xyz”表示以 xyz 结束的字符串。

以下语句演示了下划线的作用：

select emp_name from employee where emp_name like '孙__';   emp_name| ----------| 孙丫鬟     | 孙尚香     | 

其中，“孙__”表示以“孙”字开始并且姓名为三个字的员工；因此查询结果中没有包含“孙乾”。

9.1.1 转义字符

由于百分号和下划线是通配符，具有特殊的意义。当我们想要判断字符串中是否包含这两个字符时，例如“50%”，就需要使用一个转义字符将模式中的通配符解释为普通字符。转义字符使用ESCAPE进行指定：

expr LIKE pat ESCAPE 'escape_char' 

默认情况下，MySQL 使用反斜线（）作为转义字符。例如：

select '完成进度：50% 已完成。' like '%50%%' as like1, '日期 20150101' like '%50%%' as like2; like1|like2| -----|-----| 1| 1| select '完成进度：50% 已完成。' like '%50%%' as like1, '日期 20150101' like '%50%%' as like2; like1|like2| -----|-----| 1| 0| 

第一个查询没有使用转义字符，直接使用“50%” 进行匹配，结果“日期 20150101”也满足条件；第二个查询使用转义字符，“50%”只匹配百分之五十（50%）。

我们也可以指定其他的转义字符，例如：

select '2020_06_13' like '%06#_13%' escape '#' as like3; like3| -----| 1| 

以上语句使用“#”作为转义字符。此时如果字符串中存在“#”，需要连写两个“#”表示匹配井号自身。

另外，需要注意 MySQL 中的LIKE运算符不区分大小写。例如：

select 'Tony' like 'tony'; 'Tony' like 'tony'| ------------------| 1| 

如果想要实现区分大小写的匹配，可以使用下文中的REGEXP_LIKE函数。

上一篇中介绍的NOT运算符可以将表达式的结果进行取反，因此NOT LIKE运算符可以进行反向模式匹配。例如：

select emp_name, email from employee where email not like '%a%';   emp_name|email             | ----------|------------------| 刘备      |liubei@shuguo.com | 糜竺      |mizhu@shuguo.com | 邓芝      |dengzhi@shuguo.com| 

该语句返回了 email 中不包含字母 a 的员工。

9.2 正则表达式匹配

LIKE 运算符可以实现简单的模式匹配。但是当我们需要匹配更复杂的模式时，例如判断用户输入的电子邮箱是否合法，则无法通过 LIKE 运算符实现。为此， MySQL 提供了更加强大的正则表达式（Regular Expression）函数和运算符。

正则表达式是一个包含字母、数字和特殊符号的模式，可以用于检索或者替换符合某个模式（规则）的文本字符串。正则表达式可以用于查找电子邮箱、IP 地址、身份证等具有特定规则的数据，也可以用于验证用户名是否符合指定规则（例如只包含字符、数字、下划线并且字符数量为某个范围）。

📝关于正则表达式的具体内容可以参考 GitHub上的 正则表达式教程。

MySQL 提供以下三种的正则表达式匹配函数和运算符：

REGEXP_LIKE(expr, pat[, match_type]) expr REGEXP pat expr RLIKE pat 

如果字符串 expr 匹配模式 pat 指定的正则表达式，返回 Ture（1），否则返回 False（0）。如果 expr 或者 pat 为 NULL，返回 NULL。可选参数 match_type 可以用于指定匹配方式，可以是以下选项之一或者全部：

• c：区分大小写；
• i：不区分大小写，默认方式；
• m：多行匹配，可以识别字符串内部的行终止符。默认情况下只在字符串的开始或结束匹配行终止符；
• n：点号（ . ）匹配行终止符。默认情况下，点号遇到一行的结束时会终止匹配；
• u：只匹配 Unix 行终止符，此时只有换行符被 .、^ 和 $ 看作一行的结束。

REGEXP 和 RLIKE 运算符实际上是 REGEXP_LIKE 函数的同义词，但是不支持 match_type 匹配选项，而是使用默认选项。

我们看一个区分大小写的匹配示例：

select regexp_like('Tony', 'tony') as regexp1, regexp_like('Tony', 'tony', 'c') as regexp2; regexp1|regexp2| -------|-------| 1| 0| 

默认情况下不区分大小写，所以返回了 1；c 选项表示区分大小写，因此返回了 0。

正则表达式的强大之处在于它提供了许多元字符（metacharacter），可以用于构造复杂的模式。下表列出了 MySQL 支持的元字符：

对于 Web 开发中常见邮箱地址合法性验证，可以采用以下简单的规则：

• 以字母或者数字开头；
• 后面是一个或者多个字母、数组或特殊字符（ . _ – ）；
• 然后是一个 @ 字符；
• 之后包含一个或者多个字母、数组或特殊字符（ . – ）；
• 最后是域名，即 . 以及 2 到 4 个字母。

使用正则表达式可以表示为：

^[a-zA-Z0-9]+[a-zA-Z0-9._-]+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,4}$ 

其中，^ 匹配字符串的开头；[a-zA-Z0-9] 匹配大小写字母或数字；+ 表示匹配前面的内容一次或多次；. 匹配任何一个字符，. 匹配点号自身；{2,4} 匹配前面的内容 2 次到 4次；$ 匹配字符串的结束。

我们创建一个测试表：

CREATE TABLE t_regexp (   email VARCHAR(50) ); INSERT INTO t_regexp VALUES ('TEST@shuguo.com'); INSERT INTO t_regexp VALUES ('test@shuguo'); INSERT INTO t_regexp VALUES ('.123@shuguo.com'); INSERT INTO t_regexp VALUES ('test+email@shuguo.cn'); INSERT INTO t_regexp VALUES ('me.me@ shuguo.com'); INSERT INTO t_regexp VALUES ('123.test@shuguo-sanguo.org'); 

使用以下语句查找合法的邮箱地址：

SELECT email   FROM t_regexp  WHERE REGEXP_LIKE(email, '^[a-zA-Z0-9]+[a-zA-Z0-9._-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,4}$');  email                     | --------------------------| TEST@shuguo.com | 123.test@shuguo-sanguo.org| 

查询返回了两个合法的邮箱地址。注意其中的转义字符需要使用两个反斜线（），因为 MySQL 解析器会解析一个反斜线，正则表达式会解析另一个。

📝表达式expr NOT REGEXP pat和expr NOT RLIKE pat可以用于执行反向模式匹配。