REGEXP_EXTRACT_OR_NULL
説明
テキスト文字列から対象の正規表現パターンにマッチする最初の部分文字列を抽出し、式グループインデックスに基づいて特定のグループを抽出します。
文字セットマッチングを処理する際は、Utf-8標準文字クラスを使用する必要があることに注意してください。これにより、関数が異なる言語の様々な文字を正しく識別し、処理できることを保証します。
備考
Apache Doris 3.0.2以降でサポート
'pattern'が許可されたregexp正規表現でない場合、エラーをスローします
サポートする文字マッチクラス : https://github.com/google/re2/wiki/Syntax
構文
REGEXP_EXTRACT_OR_NULL(<str>, <pattern>, <pos>)
パラメータ
| パラメータ | 説明 |
|---|---|
<str> | 文字列パラメータ。正規表現マッチングが実行される対象のテキスト文字列を表します。この文字列は任意の文字の組み合わせを含むことができ、関数はその中で |
<pattern> | 文字列パラメータ。対象となる正規表現パターンです。このパターンには様々な正規表現メタ文字や文字クラスを含むことができ、マッチする部分文字列の規則を正確に定義します。 |
<pos> | 整数パラメータ。抽出する式グループのインデックスを示します。インデックスは1から開始します。 |
戻り値
文字列型を返し、結果は<pattern>にマッチする部分になります。
入力<pos>が0の場合、最初にマッチした部分文字列全体を返します。
入力<pos>が無効（負の値または式グループ数を超える）の場合、NULLを返します。
正規表現のマッチに失敗した場合、NULLを返します。
<pos> < 0の場合、NULLを返します。
pos > <str>の長さの場合、NULLを返します。
デフォルト動作:
| デフォルト設定 | 動作 |
|---|---|
.が改行にマッチ | .はデフォルトで\n（改行）にマッチできます。 |
| 大文字小文字を区別 | マッチングは大文字小文字を区別します。 |
^/$は文字列全体の境界にマッチ | ^は文字列の開始のみにマッチし、$は文字列の終端のみにマッチします。行の開始/終端ではありません。 |
| 貪欲量詞 | *、+などはデフォルトで可能な限り多くマッチします。 |
| UTF-8 | 文字列はUTF-8として処理されます。 |
パターン修飾子:
patternに(?flags)を接頭辞として付けることで、デフォルト動作を上書きできます。複数の修飾子を組み合わせることができます（例：(?im)）。-接頭辞は対応するオプションを無効にします（例：(?-s)）。
| フラグ | 意味 |
|---|---|
(?i) | 大文字小文字を区別しないマッチング |
(?-i) | 大文字小文字を区別（デフォルト） |
(?s) | .が改行にマッチ（デフォルトで有効） |
(?-s) | .は改行にマッチしない |
(?m) | 複数行モード：^は各行の開始にマッチ、$は各行の終端にマッチ |
(?-m) | 単一行モード：^/$は文字列全体の境界にマッチ（デフォルト） |
(?U) | 非貪欲量詞：*、+などは可能な限り少なくマッチ |
(?-U) | 貪欲量詞（デフォルト）：*、+などは可能な限り多くマッチ |
例
マッチから特定のグループを抽出します。説明：正規表現([[:lower:]]+)C([[:lower:]]+)は、'C'で区切られた1つ以上の小文字の連続を検索します。インデックス1のグループは最初の小文字の連続に対応するため、'b'が返されます。
SELECT REGEXP_EXTRACT_OR_NULL('123AbCdExCx', '([[:lower:]]+)C([[:lower:]]+)', 1);
+---------------------------------------------------------------------------+
| REGEXP_EXTRACT_OR_NULL('123AbCdExCx', '([[:lower:]]+)C([[:lower:]]+)', 1) |
+---------------------------------------------------------------------------+
| b |
+---------------------------------------------------------------------------+
マッチした部分文字列全体を返します。
SELECT REGEXP_EXTRACT_OR_NULL('123AbCdExCx', '([[:lower:]]+)C([[:lower:]]+)', 0);
+---------------------------------------------------------------------------+
| REGEXP_EXTRACT_OR_NULL('123AbCdExCx', '([[:lower:]]+)C([[:lower:]]+)', 0) |
+---------------------------------------------------------------------------+
| bCd |
+---------------------------------------------------------------------------+
無効なグループインデックスです。パターンには2つのグループしかないため、インデックス5は範囲外となり、NULLが返されます。
SELECT REGEXP_EXTRACT_OR_NULL('123AbCdExCx', '([[:lower:]]+)C([[:lower:]]+)', 5);
+---------------------------------------------------------------------------+
| REGEXP_EXTRACT_OR_NULL('123AbCdExCx', '([[:lower:]]+)C([[:lower:]]+)', 5) |
+---------------------------------------------------------------------------+
| NULL |
+---------------------------------------------------------------------------+
マッチしない正規表現。文字列 'AbCdE' のどの部分もパターンと完全に一致しません
SELECT REGEXP_EXTRACT_OR_NULL('AbCdE', '([[:lower:]]+)C([[:upper:]]+)', 1);
+---------------------------------------------------------------------+
| REGEXP_EXTRACT_OR_NULL('AbCdE', '([[:lower:]]+)C([[:upper:]]+)', 1) |
+---------------------------------------------------------------------+
| NULL |
+---------------------------------------------------------------------+
中国語文字のマッチング。パターン(\p{Han}+)(.+)は最初に1つ以上の中国語文字にマッチし、その後に残りの任意の文字にマッチします。インデックス2のグループは、中国語文字の後の文字列の非中国語部分を表します。
select REGEXP_EXTRACT_OR_NULL('这是一段中文 This is a passage in English 1234567', '(\\p{Han}+)(.+)', 2);
+---------------------------------------------------------------------------------------------------------+
| REGEXP_EXTRACT_OR_NULL('这是一段中文 This is a passage in English 1234567', '(\\p{Han}+)(.+)', 2) |
+---------------------------------------------------------------------------------------------------------+
| This is a passage in English 1234567 |
+---------------------------------------------------------------------------------------------------------+
テーブルにデータを挿入し、抽出を実行する
CREATE TABLE test_regexp_extract_or_null (
id INT,
text_column VARCHAR(255),
pattern_column VARCHAR(255),
position_column INT
) PROPERTIES ("replication_num"="1");
INSERT INTO test_regexp_extract_or_null VALUES
(1, 'abc123def', '([a-z]+)([0-9]+)([a-z]+)', 2),
(2, 'Hello World', '([A-Z][a-z]+) ([A-Z][a-z]+)', 0),
(3, '123-456-789', '([0-9]{3})-([0-9]{3})-([0-9]{3})', 3),
(4, 'example@example.com', '([a-z]+)@([a-z]+)\\.([a-z]+)', 1),
(5, '测试文本 test text', '(\\p{Han}+) (.+)', 1);
SELECT id, REGEXP_EXTRACT_OR_NULL(text_column, pattern_column, position_column) AS extracted_result
FROM test_regexp_extract_or_null
ORDER BY id;
+------+-----------------+
| id | extracted_result|
+------+-----------------+
| 1 | 123 |
| 2 | Hello World |
| 3 | 789 |
| 4 | example |
| 5 | 测试文本 |
+------+-----------------+
絵文字ケース
SELECT regexp_extract_or_null('😀😊😎', '😀|😊|😎',0);
+------------------------------------------------------------+
| regexp_extract_or_null('😀😊😎', '😀|😊|😎',0) |
+------------------------------------------------------------+
| 😀 |
+------------------------------------------------------------+
'str'がNULLの場合、NULLを返す
SELECT REGEXP_EXTRACT_OR_NULL(NULL, '([a-z]+)', 1);
+---------------------------------------------+
| REGEXP_EXTRACT_OR_NULL(NULL, '([a-z]+)', 1) |
+---------------------------------------------+
| NULL |
+---------------------------------------------+
'pattern'がNULLの場合、NULLを返す
SELECT REGEXP_EXTRACT_OR_NULL('Hello World', NULL, 1);
+------------------------------------------------+
| REGEXP_EXTRACT_OR_NULL('Hello World', NULL, 1) |
+------------------------------------------------+
| NULL |
+------------------------------------------------+
'pos'がNULLの場合、NULLを返す
SELECT REGEXP_EXTRACT_OR_NULL('Hello World', '([a-z]+)', NULL);
+---------------------------------------------------------+
| REGEXP_EXTRACT_OR_NULL('Hello World', '([a-z]+)', NULL) |
+---------------------------------------------------------+
| NULL |
+---------------------------------------------------------+
すべてのパラメータがNULLの場合、NULLを返す;
SELECT REGEXP_EXTRACT_OR_NULL(NULL,NULL,NULL);
+----------------------------------------+
| REGEXP_EXTRACT_OR_NULL(NULL,NULL,NULL) |
+----------------------------------------+
| NULL |
+----------------------------------------+
patternが正規表現として許可されていない場合、エラーをスローします；
mysql> SELECT REGEXP_EXTRACT_OR_NULL('123AbCdExCx', '([[:lower:]]+)C([[]ower:]]+)', 1);
ERROR 1105 (HY000): errCode = 2, detailMessage = (10.16.10.2)[INVALID_ARGUMENT]Could not compile regexp pattern: ([[:lower:]]+)C([[:lower:]+)
Error: missing ]: [[:lower:]+)
パターン修飾子
大文字小文字を区別しない: (?i) はマッチで大文字小文字を無視します
SELECT REGEXP_EXTRACT_OR_NULL('Hello World', '(hello)', 1) AS case_sensitive,
REGEXP_EXTRACT_OR_NULL('Hello World', '(?i)(hello)', 1) AS case_insensitive;
+----------------+------------------+
| case_sensitive | case_insensitive |
+----------------+------------------+
| NULL | Hello |
+----------------+------------------+
.はデフォルトで改行にマッチします。(?-s)を使用すると、.は改行にマッチしません
SELECT REGEXP_EXTRACT_OR_NULL('foo\nbar', '^(.+)$', 1) AS dot_match_nl,
REGEXP_EXTRACT_OR_NULL('foo\nbar', '(?-s)^(.+)$', 1) AS dot_not_match_nl;
+--------------+------------------+
| dot_match_nl | dot_not_match_nl |
+--------------+------------------+
| foo
bar | NULL |
+--------------+------------------+
マルチラインモード: (?m) は ^ と $ を各行の開始/終了にマッチさせます
SELECT REGEXP_EXTRACT_OR_NULL('foo\nbar', '^(bar)', 1) AS single_line,
REGEXP_EXTRACT_OR_NULL('foo\nbar', '(?m)^(bar)', 1) AS multi_line;
+-------------+------------+
| single_line | multi_line |
+-------------+------------+
| NULL | bar |
+-------------+------------+
貪欲 vs 非貪欲: (?U)は量詞を可能な限り少なくマッチするようにします
SELECT REGEXP_EXTRACT_OR_NULL('aXbXc', '(a.*X)', 1) AS greedy,
REGEXP_EXTRACT_OR_NULL('aXbXc', '(?U)(a.*X)', 1) AS non_greedy;
+--------+------------+
| greedy | non_greedy |
+--------+------------+
| aXbX | aX |
+--------+------------+