大网数据广告活动
数据库部署与 SQL 参考

Apache Doris 中文参考:REGEXP_EXTRACT

· 52CE 我爱测

若未找到匹配项,将返回空字符串。 需要注意的是,在处理字符集匹配时,应使用 Utf-8 标准字符类。这确保函数能够正确识别和处理来自不同语言的各种字符。

描述

此函数用于对给定字符串 STR 执行正则匹配,并提取符合指定模式的第 POS 个匹配部分。若函数要返回匹配结果,该模式必须与 STR 的某些部分完全匹配。

若未找到匹配项,将返回空字符串。 需要注意的是,在处理字符集匹配时,应使用 Utf-8 标准字符类。这确保函数能够正确识别和处理来自不同语言的各种字符。

str参数为'string' 类型,表示要进行正则匹配的字符串。 pattern参数为'string' 类型,表示目标正则表达式模式。 pos参数为 'integer' 类型,用于指定字符串中开始搜索正则表达式匹配的位置。位置从 1 开始,此参数必须指定。

如果 'pattern' 参数不符合正则表达式,则抛出错误

默认支持的字符匹配种类 : https://github.com/google/re2/wiki/Syntax

Doris 支持通过会话变量 enable_extended_regex(默认为 false)来启用更高级的正则表达式功能,例如 look-around 零宽断言。

会话变量enable_extended_regex设置为true时, 支持的字符匹配种类 : https://www.boost.org/doc/libs/latest/libs/regex/doc/html/boost_regex/syntax/perl_syntax.html

语法

REGEXP_EXTRACT(<str>, <pattern>, <pos>)

参数

参数 描述
<str> 需要进行正则匹配的列,类型为'string'。
<pattern> 目标正则表达式模式,类型为'string'。
<pos> 用于指定字符串中开始搜索正则表达式匹配位置的参数,为整数值,表示字符串中的字符位置(从 1 开始)。pos必须指定。

返回值

模式的匹配部分,类型为 Varchar。若未找到匹配项,将返回空字符串

默认行为:

默认配置 行为说明
. 匹配换行符 . 默认可以匹配 \n(换行符)。
大小写敏感 匹配时区分大小写。
^/$ 匹配整个字符串边界 ^ 仅匹配字符串开头,$ 仅匹配字符串结尾,而非每行的行首/行尾。
量词贪婪 *、+ 等量词默认尽可能多地匹配。
UTF-8 字符串按 UTF-8 处理。

模式修饰符:

可通过在 pattern 前缀写入 (?flags) 来覆盖默认行为。多个修饰符可组合,如 (?im);- 前缀表示关闭对应选项,如 (?-s)。

模式修饰符仅在使用默认正则引擎时生效。若启用了 enable_extended_regex=true 同时使用零宽断言(如 (?<=...)、(?=...)),查询将由 Boost.Regex 引擎处理,此时修饰符行为可能与预期不符,建议不要混合使用。

标志 含义
(?i) 大小写不敏感匹配
(?-i) 大小写敏感(默认)
(?s) . 匹配换行符(默认已开启)
(?-s) . 不匹配换行符
(?m) 多行模式:^ 匹配每行行首,$ 匹配每行行尾
(?-m) 单行模式:^/$ 匹配整个字符串首尾(默认)
(?U) 量词非贪婪:*、+ 等尽可能少地匹配
(?-U) 量词贪婪(默认):*、+ 等尽可能多地匹配

示例

提取第一个匹配部分,在此示例中,正则表达式([[:lower:]]+)C([[:lower:]]+)匹配字符串中一个或多个小写字母后跟 'C' 再跟一个或多个小写字母的部分。'C' 之前的第一个捕获组([[:lower:]]+)匹配 'b',因此结果为 'b'

mysql> SELECT regexp_extract('AbCdE', '([[:lower:]]+)C([[:lower:]]+)', 1);
+-------------------------------------------------------------+
| regexp_extract('AbCdE', '([[:lower:]]+)C([[:lower:]]+)', 1) |
+-------------------------------------------------------------+
| b                                                           |
+-------------------------------------------------------------+

提取第二个匹配部分,这里,'C' 之后的第二个捕获组([[:lower:]]+)匹配 'd',因此结果为 'd'。

mysql> SELECT regexp_extract('AbCdE', '([[:lower:]]+)C([[:lower:]]+)', 2);
+-------------------------------------------------------------+
| regexp_extract('AbCdE', '([[:lower:]]+)C([[:lower:]]+)', 2) |
+-------------------------------------------------------------+
| d                                                           |
+-------------------------------------------------------------+

匹配中文字符,模式(\p{Han}+)(.+)首先匹配一个或多个中文字符(\p{Han}+),然后匹配字符串的剩余部分((.+))。第二个捕获组匹配字符串的非中文部分,因此结果为 'This is a passage in English 1234567'。

mysql> select regexp_extract('这是一段中文 This is a passage in English 1234567', '(\\p{Han}+)(.+)', 2);
+-----------------------------------------------------------------------------------------------+
| regexp_extract('这是一段中文 This is a passage in English 1234567', '(\p{Han}+)(.+)', 2)       |
+-----------------------------------------------------------------------------------------------+
| This is a passage in English 1234567                                                          |
+-----------------------------------------------------------------------------------------------+

插入变量值并执行匹配,此示例向表中插入数据,然后使用 REGEXP_EXTRACT 函数根据存储的模式和位置从存储的字符串中提取匹配部分。


CREATE TABLE test_table_for_regexp_extract (
        id INT,
        text_data VARCHAR(500),
        pattern VARCHAR(100),
        pos INT
    ) PROPERTIES ("replication_num"="1");

INSERT INTO test_table_for_regexp_extract VALUES
    (1, 'AbCdE', '([[:lower:]]+)C([[:lower:]]+)', 1),    
    (2, 'AbCdE', '([[:lower:]]+)C([[:lower:]]+)', 2),    
    (3, '这是一段中文 This is a passage in English 1234567', '(\\p{Han}+)(.+)', 2);

SELECT id, regexp_extract(text_data, pattern, pos) as extract_result FROM test_table_for_regexp_extract ORDER BY id;

+------+----------------+
| id   | extract_result |
+------+----------------+
|    1 | b              |
|    2 | d              |
|    3 | This is a passage in English 1234567 |
+------+----------------+

无匹配的模式,由于模式([[:digit:]]+)(一个或多个数字)与字符串 'AbCdE' 的任何部分都不匹配,因此返回空字符串

SELECT regexp_extract('AbCdE', '([[:digit:]]+)', 1);
+------------------------------------------------+
| regexp_extract('AbCdE', '([[:digit:]]+)', 1)  |
+------------------------------------------------+
|                                                |
+------------------------------------------------+

emoji字符匹配

SELECT regexp_extract('Text 😊 More 😀', '😊|😀',0);

+------------------------------------------------------+
| regexp_extract('Text 😊 More 😀', '😊|😀',0)                 |
+------------------------------------------------------+
| 😊                                                     |
+------------------------------------------------------+
1 row in set (0.02 sec)

'str' 是NULL,则返回NULL

mysql> SELECT REGEXP_EXTRACT(NULL, '([a-z]+)', 1);
+-------------------------------------+
| REGEXP_EXTRACT(NULL, '([a-z]+)', 1) |
+-------------------------------------+
| NULL                                |
+-------------------------------------+

'pattern' 是NULL,则返回NULL

mysql> SELECT REGEXP_EXTRACT('Hello World', NULL, 1);
+----------------------------------------+
| REGEXP_EXTRACT('Hello World', NULL, 1) |
+----------------------------------------+
| NULL                                   |
+----------------------------------------+

'pos' 是NULL,则返回NULL

mysql> SELECT REGEXP_EXTRACT('Hello World', '([a-z]+)', NULL);
+-------------------------------------------------+
| REGEXP_EXTRACT('Hello World', '([a-z]+)', NULL) |
+-------------------------------------------------+
| NULL                                            |
+-------------------------------------------------+

全部参数是NULL,则返回NULL

mysql> SELECT REGEXP_EXTRACT(NULL, NULL, NULL);
+----------------------------------+
| REGEXP_EXTRACT(NULL, NULL, NULL) |
+----------------------------------+
| NULL                             |
+----------------------------------+

如果 'pattern' 参数不符合正则表达式,则抛出错误

SELECT regexp_extract('AbCdE', '([[:digit:]]+', 1);
ERROR 1105 (HY000): errCode = 2, detailMessage = (10.16.10.2)[INVALID_ARGUMENT]Could not compile regexp pattern: ([[:digit:]]+
Error: missing ): ([[:digit:]]+

高级的正则表达式

SELECT regexp_extract('foo123bar456baz', '(?<=foo)(\\d+)(?=bar)', 1);
-- ERROR 1105 (HY000): errCode = 2, detailMessage = (127.0.0.1)[INVALID_ARGUMENT]Invalid regex pattern: (?<=foo)(\d+)(?=bar). Error: invalid perl operator: (?<
SET enable_extended_regex = true;
SELECT regexp_extract('foo123bar456baz', '(?<=foo)(\\d+)(?=bar)', 1);
+---------------------------------------------------------------+
| regexp_extract('foo123bar456baz', '(?<=foo)(\\d+)(?=bar)', 1) |
+---------------------------------------------------------------+
| 123                                                           |
+---------------------------------------------------------------+

模式修饰符

大小写不敏感:(?i) 使匹配忽略大小写

SELECT REGEXP_EXTRACT('Hello World', '(hello)', 1) AS case_sensitive,
       REGEXP_EXTRACT('Hello World', '(?i)(hello)', 1) AS case_insensitive;
+----------------+------------------+
| case_sensitive | case_insensitive |
+----------------+------------------+
|                | Hello            |
+----------------+------------------+

. 默认匹配换行符;使用 (?-s) 后 . 不匹配换行符

SELECT REGEXP_EXTRACT('foo\nbar', '^(.+)$', 1) AS dot_match_nl,
       REGEXP_EXTRACT('foo\nbar', '(?-s)^(.+)$', 1) AS dot_not_match_nl;
+--------------+------------------+
| dot_match_nl | dot_not_match_nl |
+--------------+------------------+
| foo
bar      |                  |
+--------------+------------------+

多行模式:(?m) 使 ^ 和 $ 匹配每行行首/行尾

SELECT REGEXP_EXTRACT('foo\nbar', '^(bar)', 1) AS single_line,
       REGEXP_EXTRACT('foo\nbar', '(?m)^(bar)', 1) AS multi_line;
+-------------+------------+
| single_line | multi_line |
+-------------+------------+
|             | bar        |
+-------------+------------+

贪婪与非贪婪:(?U) 使量词尽可能少地匹配

SELECT REGEXP_EXTRACT('aXbXc', '(a.*X)', 1) AS greedy,
       REGEXP_EXTRACT('aXbXc', '(?U)(a.*X)', 1) AS non_greedy;
+--------+------------+
| greedy | non_greedy |
+--------+------------+
| aXbX   | aX         |
+--------+------------+

本文来自 Apache Doris 文档贡献者,按 Apache 2.0 整理版式与相对链接,保留正文与代码。图示请参阅原文。作者与贡献记录。

资料来源与适用范围

资料来源
Apache Doris 文档贡献者
适用范围
master 文档快照(2026-11-16)
内容语言
中文;命令、路径和错误标识保留技术原文
本地收录日期
2026-11-16
授权说明
Apache 2.0

正文与所需资源由本站本地存储。查看来源及更新记录 ↗

请按适用版本和实际日志确认原因;本站没有对每一种系统或设备逐项执行文中的操作。