RLIKE正则表达式语法与匹配规则-云原生大数据计算服务 MaxCompute-阿里云

RLIKE是MaxCompute SQL提供的一种基于PCRE（Perl Compatible Regular Expressions）规范的操作符，支持在MaxCompute SQL语句中对文本进行更精确、更复杂的模式匹配或替换。本文介绍了RLIKE支持的元字符、POSIX字符组、中文字符组、转义字符和相关字符的使用示例。

元字符

RLIKE操作符支持一系列元字符，下表列出了常见的元字符：

元字符	说明
^	行首。
$	行尾。
.	任意字符。
*	匹配前面的子表达式0次或多次。
+	匹配前面的子表达式1次或多次。
?	匹配前面的子表达式0次或1次。匹配修饰符，当该字符跟在任何一个其他限制符（* 、+、?、 {n}、 {n,}、 {n,m}）后面时，匹配模式为非贪婪模式。非贪婪模式尽可能少地匹配所搜索的字符串，而默认的贪婪模式则尽可能多地匹配所搜索的字符串。
A\|B	A或B。
(abc)*	匹配abc序列0次或多次。
{n}或{m,n}	匹配的次数。{n}代表准确的匹配次数，{m,n}为匹配次数区间。
[ab]	匹配括号中的任一字符。
[a-d]	匹配a、b、c、d任一字符。
[^ab]	^表示非，匹配任一非a非b的字符。
[::]	详情请参见下文的POSIX字符组。
\	转义符，详情请参见下文的转义字符匹配。
\n	n为数字1~9，表示后向引用。
\d	数字。
\D	非数字。

关于更多正则表达式的使用说明，请参见PCRE官网文档。
如果匹配结果不符合预期，可以参考转义字符匹配评估是否需要进行转义。

使用示例

一般规则匹配

匹配字符串的开头和结尾

-- 匹配字符串aa123bb的开头是否为a，返回true
SELECT 'aa123bb' RLIKE '^a';

-- 匹配字符串aa123bb的开头是否为a、结尾是否为b，运行返回true
SELECT 'aa123bb' RLIKE '^a.*b$';

-- 匹配字符串footerbar中是否依次包含foo和bar，返回true 
SELECT 'footerbar' RLIKE 'foo(.*?)(bar)';

-- 匹配字符串footerbar中是否开头是foo，结尾是bar，返回true
SELECT 'footerbar' RLIKE '^foo(.*?)(bar)$';

匹配任一字符

-- 匹配字符串cc123bb的开头是否是a~d中的任意一个字符，返回true
SELECT 'cc123bb' RLIKE '^[a-d]';

-- 匹配字符串12abc34的开头是12，结尾是34，且中间至少有一个a-d任意一个字符，返回true
SELECT '12abc34' RLIKE '^12[a-d]+34$';

转义字符匹配

RLIKE操作符支持反斜线\作为转义符，因此正则表达式的模式中出现的\都要进行二次转义。

示例1
正则表达式要匹配字符串a+b，其中+是正则中的一个特殊字符，因此要用转义的方式表达。在正则表达式引擎中的表达方式是a\+b，由于还要解释一层转义，因此能够匹配该字符串的表达式是a\\+b。
```
SELECT 'a+b' RLIKE 'a\\+b';

--返回结果如下：
+------+
| _c1  |
+------+
| true |
+------+
```

示例2

匹配字符\，在正则表达式引擎中\是一个特殊字符，因此要表示为\\，由于还要解释一层转义，因此写成\\\\。

说明

在MaxCompute SQL中写a\\b，而在输出结果中显示a\b，同样是因为MaxCompute会对表达式进行转义。

SELECT 'a\\b', 'a\\b' RLIKE 'a\\\b';

-- 返回结果如下：
+-----+------+
| _c0 | _c1  |
+-----+------+
| a\b | false |
+-----+------+

SELECT 'a\\b', 'a\\b' RLIKE 'a\\\\b';

-- 返回结果如下：
+-----+------+
| _c0 | _c1  |
+-----+------+
| a\b | true |
+-----+------+

示例3
字符串中有制表符TAB，系统在读入\t这两个字符时，已经将其存为一个字符，因此在正则表达式的模式中它也是一个普通的字符。
```
SELECT 'a\tb', 'a\tb' RLIKE 'a\tb';

-- 返回结果如下：
+---------+------+
| _c0     | _c1  |
+---------+------+
| a     b | true |
+---------+------+
```

示例4

匹配包含数字\d、非数字\D和后向引用\n场景的字符串。

--匹配2025maxcompute字符串的开头是否是数字字符，返回true
SELECT '2025maxcompute' RLIKE '^\\\d';

--匹配maxcompute2025test字符串的开头是否是非数字字符，返回true
SELECT 'maxcompute2025test' RLIKE '^\\\D';

--匹配alibaba-cloud-MC2025-test字符串是否包含MC和数字组合，返回true 
SELECT 'alibaba-cloud-MC2025-test' RLIKE 'MC\\\d';

-- 匹配alibaba-cloud-MC2025-test字符串中是否包含MC和4位数字组合，返回true
SELECT 'alibaba-cloud-MC2025-test' RLIKE 'MC\\\d{4}-';

-- 匹配字符串中是否包含abcdefdef，返回true 
-- abc为捕获组1，def为捕获组2，\2代表重复匹配第二个捕获组，需再次转义为\\\2。即abcdefdef。
SELECT 'mmabcdefdefgg' RLIKE '(abc)(def)\\\2';

字符组

POSIX字符组

字符组	说明	范围
[[:alnum:]]	字母字符和数字字符	[a-zA-Z0-9]
[[:alpha:]]	字母	[a-zA-Z]
[[:ascii:]]	ASCII字符	[\x00-\x7F]
[[:blank:]]	空格字符和制表符	[ \t]
[[:cntrl:]]	控制字符	[\x00-\x1F\x7F]
[[:digit:]]	数字字符	[0-9]
[[:graph:]]	空白字符之外的字符	[\x21-\x7E]
[[:lower:]]	小写字母字符	[a-z]
[[:print:]]	[:graph:]和空白字符	[\x20-\x7E]
[[:punct:]]	标点符号	[][!”#$%&’()*+,./:;<=>? @\^_`{\|}~-]
[[:space:]]	空白字符	[ \t\r\n\v\f]
[[:upper:]]	大写字母字符	[A-Z]
[[:xdigit:]]	十六进制字符	[A-Fa-f0-9]

说明

MaxCompute不支持\f和\v，具体支持的转义符请参见转义字符。

中文字符组

中文字符组细分	范围
包括汉字在内的双字节字符	[^\\x{00}-\\x{ff}]
中文字符	[\\x{4e00}-\\x{9fa5}]
中文标点	中文标点无统一的编码范围，您可以在搜索引擎上搜索中文标点符号Unicode码，然后结合运算符来逐个排除。

示例

例如句号（。）对应正则表达式为[\\x{3002}]。

SELECT * FROM VALUES ('你好。'),('nihao！') t(d) WHERE d RLIKE '[\\x{3002}]';

-- 返回结果如下：
+------------+
| d          |
+------------+
| 你好。        |
+------------+

说明

如果要匹配单引号，可以用unicode0027，对应正则表达式为 [\\x{0027}]。