【SQL】筛选字符串与正则表达式

目录

语法

需求

示例

分析

代码

---

语法

SELECT column1, column2, ...  
FROM table_name  
WHERE condition;

WHERE 子句用于指定过滤条件，以限制从数据库表中检索的数据。当你执行一个查询时，WHERE 子句允许你筛选出满足特定条件的记录。如果记录满足 WHERE 子句中的条件，则这些记录会被包含在查询结果中；如果不满足条件，则这些记录会被排除在外。

• WHERE 子句是在数据被检索之后但在结果被返回之前应用的。这意味着它不会减少数据库需要处理的数据量，但会限制最终返回给客户端的数据量。
• 在使用 WHERE 子句时，确保条件正确无误，以避免返回错误的数据或意外的空结果集。
• 对于大型数据库，合理的 WHERE 子句条件可以显著提高查询性能，因为它允许数据库系统更有效地定位和检索数据。
• 在某些情况下，WHERE 子句可以与 GROUP BY、HAVING 等子句结合使用，以实现更复杂的查询和数据聚合。然而，WHERE 子句在数据分组之前过滤记录，而 HAVING 子句在数据分组之后过滤分组。

SELECT column_name(s)

FROM table_name

WHERE column_name REGEXP pattern;

REGEXP（或其变种，如RLIKE，具体取决于数据库系统）是一个强大的文本搜索模式匹配操作符，它允许你使用正则表达式（Regular Expressions）来搜索数据库中的文本数据。正则表达式是一种特殊的文本字符串，用于描述搜索文本时应该匹配的模式。它们非常灵活，可以匹配复杂的文本模式，包括字符序列、字符选择、重复模式等。

• 性能：使用REGEXP可能会影响查询性能，特别是在大型数据集上。优化你的正则表达式和索引（如果可能的话）可以帮助减轻这种影响。
• 数据库支持：并非所有数据库系统都支持REGEXP或类似的功能。例如，SQL Server 使用 LIKE 和一些扩展的通配符功能，但不直接支持正则表达式。然而，SQL Server 2016及更高版本引入了TRANSLATE和STRING_SPLIT等函数，以及CLR集成，可以间接实现正则表达式功能。对于复杂的正则表达式匹配，你可能需要求助于数据库外的处理（如应用程序代码）。
• 语法差异：不同的数据库系统（如MySQL、PostgreSQL、Oracle等）在REGEXP的语法和支持的正则表达式特性上可能存在差异。因此，在将REGEXP查询从一个数据库迁移到另一个数据库时，需要特别注意。

正则表达式

^：表示一个字符串或行的开头

[a-z]：表示一个字符范围，匹配从 a 到 z 的任何字符。

[0-9]：表示一个字符范围，匹配从 0 到 9 的任何字符。

[a-zA-Z]：这个变量匹配从 a 到 z 或 A 到 Z 的任何字符。请注意，你可以在方括号内指定的字符范围的数量没有限制，您可以添加想要匹配的其他字符或范围。

[^a-z]：这个变量匹配不在 a 到 z 范围内的任何字符。请注意，字符 ^ 用来否定字符范围，它在方括号内的含义与它的方括号外表示开始的含义不同。

[a-z]*：表示一个字符范围，匹配从 a 到 z 的任何字符 0 次或多次。

[a-z]+：表示一个字符范围，匹配从 a 到 z 的任何字符 1 次或多次。

.：匹配任意一个字符。

\.：表示句点字符。请注意，反斜杠用于转义句点字符，因为句点字符在正则表达式中具有特殊含义。还要注意，在许多语言中，需要转义反斜杠本身，因此需要使用\\.。

$：表示一个字符串或行的结尾。

需求

表: Users

+---------------+---------+
| Column Name   | Type    |
+---------------+---------+
| user_id       | int     |
| name          | varchar |
| mail          | varchar |
+---------------+---------+
user_id 是该表的主键（具有唯一值的列）。
该表包含了网站已注册用户的信息。有一些电子邮件是无效的。

编写一个解决方案，以查找具有有效电子邮件的用户。

一个有效的电子邮件具有前缀名称和域，其中：

前缀 名称是一个字符串，可以包含字母（大写或小写），数字，下划线 '_' ，点 '.' 和/或破折号 '-' 。前缀名称 必须 以字母开头。

域 为 '@leetcode.com' 。

以任何顺序返回结果表。

结果的格式如以下示例所示：

示例

输入：
Users 表:
+---------+-----------+-------------------------+
| user_id | name      | mail                    |
+---------+-----------+-------------------------+
| 1       | Winston   | [e-mail]    |
| 2       | Jonathan  | jonathanisgreat         |
| 3       | Annabelle | [e-mail]     |
| 4       | Sally     | [e-mail] |
| 5       | Marwan    | quarz#[e-mail] |
| 6       | David     | [e-mail]       |
| 7       | Shapiro   | [e-mail]     |
+---------+-----------+-------------------------+
输出：
+---------+-----------+-------------------------+
| user_id | name      | mail                    |
+---------+-----------+-------------------------+
| 1       | Winston   | [e-mail]    |
| 3       | Annabelle | [e-mail]     |
| 4       | Sally     | [e-mail] |
+---------+-----------+-------------------------+
解释：
用户 2 的电子邮件没有域。 
用户 5 的电子邮件带有不允许的 '#' 符号。
用户 6 的电子邮件没有 leetcode 域。 
用户 7 的电子邮件以点开头。

分析

编写一个解决方案，以查找具有有效电子邮件的用户。

需要查找具有符合要求的电子邮件的用户，输出对应的用户id，用户名和邮箱，

一个有效的电子邮件具有前缀名称和域，其中：

前缀 名称是一个字符串，可以包含字母（大写或小写），数字，下划线 '_' ，点 '.' 和/或破折号 '-' 。前缀名称 必须 以字母开头。

域 为 '@leetcode.com' 。

通过where mail regexp +正则表达式检索

^：表示一个字符串或行的开头

$：表示一个字符串或行的结尾

要求，前缀名称 必须 以字母开头，不限制大小写，所以^[a-zA-Z]

可以包含字母（大写或小写），数字，下划线 '_' ，点 '.' 和破折号 '-' ，所以^[a-zA-Z]+[a-zA-Z0-9_.-]*，这里面包含小写字母、大写字母、数字、下划线 '_' 、点 '.' 和破折号 '-'。其中[xxx]*表示一个字符范围，匹配从 a 到 z 的任何字符 0 次或多次。

域 为 '@leetcode.com'

后缀或者域为'@leetcode.com'，需要写作@leetcode\\.com，然后用$结尾

其中\.：表示句点字符。请注意，反斜杠用于转义句点字符，因为句点字符在正则表达式中具有特殊含义。还要注意，在许多语言中，需要转义反斜杠本身，因此需要使用\\.。

最终就是where mail regexp '^[a-zA-Z][a-zA-Z0-9_.-]*@leetcode\\.com$'

代码

select *
from Users
where mail regexp '^[a-zA-Z][a-zA-Z0-9_.-]*@leetcode\\.com$'