DB2中实现正则表达式

正则表达式

正则表达式用于查找和替换字符串中的模式。正则表达式是用某种语法定义的，正则表达式引擎采用这种语法并将它与字符串进行比较。引擎返回字符串是否与语法匹配的指示；也即，该字符串是否包含能够从该语法派生的子串。此外，引擎还能够返回匹配的子串。术语“模式（pattern）”用来表示语法。

最基本的模式仅由单个字母组成。当与该模式进行比较时，包含这个字母的字符串就是一个“匹配”。例如，如果模式是“a”，则字符串“abcd”就是一个匹配，而字符串“xyz”则不是。正则表达式的强大功能来自于预定义的运算符（也称为元字符），它们可以用很小的空间来表示模式。根据“方言”和受支持的功能，可以使用不同的元字符。通常，其中的一些可用字符如下：

| — 二中择一[ ] — 分组* — 多次出现（也匹配零次出现）+ — 多次出现（至少一次）? — 随意的出现次数\\\\ — 反斜杠

不同的系统实现了常用正则表达式的各种扩展。编程语言 Perl 中使用的正则表达式支持进一步的缩写。本文中所用的库实现了这些扩展。下面摘录了其中部分可以在 Perl 正则表达式语言中使用的缩写：

\\s — 任意空白字符\\w — 任意字母数字字符\\d — 任意数字字符

另一个更高级的示例是模式“[A-Z]* = ([0-9]|0x00);”。与这个模式相匹配的字符串包含这样的子串：它由几个大写字母、后面跟上一个空格、一个等号、另一个空格，然后是一个数字或字符串“0x00”组成。该子串的最后一个字符必须是分号。使用 Perl，这个模式可以表示为“\\w* = (\\d|0x00);”。“NM = 0x00;”和“X = 7;”是两个可以与该模式匹配的字符串。但字符串“Z = 123;”不能匹配，因为 123 是由三个数字所组成的。

DB2 中的字符串匹配

除了 Extender 以外，DB2 还允许几种用于文本比较的函数和运算符。但那些函数和运算符要么在用于模式匹配的功能方面有限制，要么就是会给可能使用它们的查询带来复杂性。这里简要地摘录几个可用的功能：

= 或 <> 谓词：逐字符地比较两个字符串是否相等。
LIKE 谓词：使用通配符的基本模式匹配。
LOCATE 函数：在字符串中查找子串。

尽管也可以用 SQL 运算符表示模式“[A-Z]* = ([0-9]|0x00);”，但那样会很麻烦。例如，下列 SELECT 语句的 WHERE 子句中所使用的谓词会匹配字符串“str”中等号之后的部分，如 清单 1所示：

清单 1. 使用 LIKE 匹配模式

SELECT strFROM   strTableWHERE ( str LIKE '% = 0;%' OR str LIKE '% = 1;%' OR str LIKE '% = 2;%' OR str LIKE '% = 3;%' OR str LIKE '% = 4;%' OR str LIKE '% = 5;%' OR str LIKE '% = 7;%' OR str LIKE '% = 7;%' OR str LIKE '% = 8;%' OR str LIKE '% = 9;%' OR str LIKE '% = 0x00;%' )

这增加了可以匹配“[A-Z]*”子模式的谓词的复杂度，这可以使用对整个字符串进行迭代并进行逐字符比较的函数来完成，但您会发现使用内置功能既冗长又复杂。

示例方案

让我们定义下列清单（ 清单 2）并插入几行：

清单 2. 创建我们的样本表

CREATE TABLE strTable ( c1 INTEGER, str VARCHAR(500) );INSERT INTO strTable VALUES ( 1, 'some text;' ),                            ( 2, 'variable = 1234;' ),                            ( 3, 'var2 = ''string variable'';' ),                            ( 4, 'xyz = ' ),                            ( 5, 'myVar = 0x00;' ),                            ( 6, '# comment' ),                            ( 7, 'abc = def' );                            

这个 清单及其数据被用于下面的所有示例。

SELECT * FROM strTable;C1          STR----------- ------------------------------          1 some text;          2 variable = 1234;          3 var2 = 'string variable';          4 xyz =           5 myVar = 0x00;          6 # comment          7 abc = def  7 record(s) selected.

实现模式匹配函数

您可以使用 DB2 的可扩展机制，在 SQL 语句内使用 UDF，以便显著地改善这种情形。通过定义名为 regex1 的 UDF（它采用模式和字符串作为输入参数）， 清单 1中的 WHERE 子句现在可以写得象 清单 3中所示的那样：

清单 3. 使用 regex UDF 来简化模式匹配

SELECT strFROM   strTableWHERE regex1('\\w* = (\\d|0x00);', str) = 1

在本示例中，使用带有 Perl 扩展的正则表达式来匹配完整的模式，而不仅仅是 清单 1中给出的 LIKE 谓词所对应的部分模式。正如您所看到的，使用函数来为该模式编写谓词比用 LIKE 谓词表示同样的语义要容易得多。

实现 UDF

在我的示例实现中，我选择了现有的名为 PCRE（Perl 兼容的正则表达式，Perl-compatible regular expression）的模式匹配引擎。该引擎提供了用来处理模式和执行匹配的 C API。该引擎和查询中所用的 SQL 语言之间“缺失的部分”是 UDF。该 UDF 由两部分组成：

• 在数据库中创建（或注册）该函数的 CREATE FUNCTION 语句。
• 该函数的主体，它实现了用于正则表达式匹配引擎的 C API 调用的封装器

清单 4显示了用于创建该函数的 SQL 语句。

清单 4. 注册 regex1 函数

CREATE FUNCTION regex1(pattern VARCHAR(2048), string CLOB(10M))    RETURNS INTEGER    SPECIFIC regexSimple    EXTERNAL NAME 'regexUdf!regexpSimple'    LANGUAGE C    PARAMETER STYLE DB2SQL    DETERMINISTIC    NOT FENCED    RETURNS NULL ON NULL INPUT    NO SQL    NO EXTERNAL ACTION    ALLOW PARALLEL;

注：请参阅 DB2 SQL Reference以获取所有子句的详细含义。可以修改参数的长度以适应您的需求。我在此处展示某些值并没有任何推荐使用它们的用意。