4.6. 模式匹配

4.6.1. 用 LIKE 的模式匹配

string

 LIKE 

pattern

 [
 ESCAPE 

escape-character

 
]


string

 NOT LIKE 

pattern

 [
 ESCAPE 

escape-character

 
]

每个 pattern 定义一个字串的集合． 如果该 string 包含在 pattern 代表的字串集合里，那么 LIKE 表达式返回真． （和我们想象得一样，如果 LIKE 返回真，那么 NOT LIKE 表达式返回假， 反之亦然． 一个等效的表达式是 NOT ( string LIKE pattern ) .）

如果 pattern 不包含百分号 或者下划线，那么该模式只代表它本身； 这时候 LIKE 的行为就象等号操作符． 在 pattern 里的下划线 （ _ ）代表（匹配）任何单个字符； 而一个百分号（ % ）匹配任何零或更多 字符长的字串．

'abc' LIKE 'abc'    
true

'abc' LIKE 'a%'     
true

'abc' LIKE '_b_'    
true

'abc' LIKE 'c'      
false

LIKE 模式匹配总是覆盖整个字串． 要匹配在字串内部任何位置的模式，该模式必须以百分号开头和结尾．

要匹配文本的下划线或者百分号，而不是匹配其它字符， 在 pattern 里相应的字符必须 前导逃逸字符．缺省的逃逸字符是反斜扛，但是你可以用 ESCAPE 子句指定一个． 要匹配逃逸字符本身，写两个逃逸字符．

请注意反斜扛在字串文本里已经有特殊含义了，所以如果你写一个 包含反斜扛的模式常量，那你就要在查询里写两个反斜扛． 因此，写一个匹配单个反斜扛的模式实际上要在查询里写四个反斜扛． 你可以通过用 ESCAPE 选择一个不同的逃逸字符 来避免这样；这样反斜扛就不再是 LIKE 的特殊字符了． 但仍然是字符文本分析器的特殊字符，索引你还是需要两个反斜扛．)

我们也可以通过写成 ESCAPE '' 的方式 选择不用逃逸字符．这时，我们就不能关闭下划线和百分号的特殊含义．

关键字 ILIKE 可以用于替换 LIKE ， 令该匹配就当前的区域设置是大小写无关的． 这个特性不是 SQL 标准，是 PostgreSQL 扩展．

操作符 ~~ 等效于 LIKE ， 而 ~~* 对应 ILIKE ． 还有 !~~ 和 !~~* 操作符 分别代表 NOT LIKE 和 NOT ILIKE ．所有这些操作符都是 PostgreSQL 特有的．

4.6.2. POSIX 正则表达式

POSIX 正则表达式提供了比 LIKE 函数更强大的模式匹配的方法．许多 Unix 工具，比如 egrep ， sed ，或 awk 使用一种与我们这里描述的类似的模式匹配语言．

正则表达式是一个字符序列，它是定义一个字串集合 （一个 正则集合 ）的缩写． 如果一个字串是正则表达式描述的正则集合中的一员时， 我们就说这个字串匹配该正则表达式． 和 LIKE 一样，模式字符准确地匹配字串字符， 除非在正则表达式语言里有特殊字符 --- 不过正则表达式用的 特殊字符和 LIKE 用的不同． 和 LIKE 不一样的是，正则表达式 可以匹配字串里的任何位置，除非该正则表达式明确地挂接在字串 的开头或者结尾．

正则表达式（ "RE" ），在 POSIX 1003.2 中定义， 它有两种形式：现代 RE（基本上就是那些在 egrep 里的； 1003.2 称它们为 "扩展" 的 RE）以及过时的 RE （基本上就是那些在 ed 里的； 1003.2 称它们为 "基本" 的 RE）． PostgreSQL 实现了现代的形式．

（现代）的 RE 是一个或多个非空的 分支 ， 由 | 分隔．它匹配任何匹配其中一个分支的东西．

一个分支是一个或多个 片段 连接而成．一个片段匹配第一个，然后后面的片段匹配第二个， 等等．

一个片段是一个 原子 ， 后面可能跟着一个 * ， + ， ? ，或者 范围 ． 一个跟着 * 的原子匹配一个由零个或者更多个 匹配该原子的项组成的序列．一个跟着 + 的原子 匹配一个由一个或者更多匹配该原子的项组成的序列． 一个跟着 ? 的原子匹配一个由零个或者一个匹配该原子的项组成的序列．

范围 是 { 跟着一个无符号整数，可能还跟着 , 可能还跟着另外一个无符号整数，最后总是跟着一个 } ． 这些整数介于 0 和 RE_DUP_MAX (255) （包含 RE_DUP_MAX ） 之间，并且如果有两个整数，第一个不能大于第二个． 一个后面跟着一个包含没有逗号的整数 i 的范围的原子匹配精确的 i 个原子． 一个后面跟着一个包含一个整数 i 和一个逗号的范围的原子匹配 i 个 或更多个该原子的序列． 一个后面跟着一个包含两个整数 i 和 j 的范围的原子匹配 i 到 j （包含 j ）个该原子的序列．

原子 可以是：一个用 () 包围的正则表达式， （对应一个该正则表达式的匹配项）， 一对空括弧 () （匹配空字串）， 一个 方括弧表达式 （见下文）， . （匹配任意单个字符）， ^ （匹配一行开头的空字串）， $ （匹配一行结尾的空字串）， 一个后面跟着字符 ^.[$()|*+?{\ 的 \ （匹配把这些字符当做普通字符的字符）， 或者一个没有其它标注的字符（匹配该字符本身）． 一个 { 后面跟着一个非数字的字符就是 一个普通字符，而不是一个范围．用 \ 结束的 RE 是非法的．

请注意反斜扛（ \ ）在字串文本里已经有特殊的 含义了，所以如果你要写一个包含一个反斜扛的模式， 你必须在查询里写两个反斜扛．

方括弧表达式 是一个包围在 [] 里的字符列表．它通常匹配任意单个 列表中的字符（又见下文）． 如果列表以 ^ 开头，它匹配 任意单个（又见下文）不在该列表中的字符． 如果该列表中两个字符用 - 隔开， 那它就是那两个字符（包括在内）之间的所有字符范围的缩写， 比如，在 ASCII 里 [0-9] 包含任何十进制数字． 两个范围共享一个终点是非法的，比如， a-c-e ．这个范围与字符集关系密切， 可移植的程序不应该依靠它们．

想在列表中包含文本 ] ，可以让它做 列表的首字符（可能会在一个 ^ 后面）． 想在列表中包含文本 - ，可以让它做 列表的首字符或者末字符，或者一个范围的第二个终点． 想在列表中把文本 - 当做范围的起点， 把它用 [. 和 .] 包围起来，这样它就成为一个集合元素（见下文）． 除了一些这样的例外和一些用 [ 的组合（见下段）以外，所有其它特殊字符，包括 \ ，在方括弧表达式里都失去它们的特殊含义．

在一个方括弧表达式里，一个集合元素（一个字符，一个当做 一个字符的多字符序列，或者一个表示上面两种情况的集合序列） 包含在 [. 和 .] 里面的时候表示该集合元素的字符序列．该序列是该方括弧列表 的一个元素．因此一个包含多字符集合元素的方括弧表达式就 可以匹配多于一个字符，比如，如果集合序列包含一个 ch 集合元素， 那么 RE [[.ch.]]*c 匹配 chchcc 的头五个字符． （译注：其实把 [. 和 .] 括起来的当一个字符看就行了．）

在方括弧表达式里，在 [= 和 =] 里包围的集合元素是一个等效表， 代表等于这里所有集合元素的字符序列，包括它本身． （如果没有其它等效集合元素，那么就好象封装元素是 [. 和 .] ．） 比如，如果 o 和 ^ 是一个等效表的成员，那么 [[=o=]] ， [[=^=]] ，和 [o^] 都是同义的．一个等效表不能是一个范围的 端点．

在方括弧表达式里，在 [: 和 :] 里面封装的字符表名字代表 属于该表的所有字符的列表． 标准的字符表名字是： alnum ， alpha ， blank ， cntrl ， digit ， graph ， lower ， print ， punct ， space ， upper ， xdigit ． 它们代表在 ctype 里定义的字符表． 本地化设置可能会提供其他的表．字符表不能用做一个范围的端点．

在方括弧表达式里有两个特例：方括弧表达式 [[:<:]] 和 [[:>:]] 分别匹配一个单词开头和结束的空串． 单词定义为一个单词字符序列，前面和后面都没有其它单词字符． 单词字符是一个字母数字（和 ctype 里定义的一样） 或者一个下划线．这是一个扩展，兼容 POSIX 1003.2， 但那里面并没有说明， 而且在准备移植到其他系统里去的软件里一定要小心使用．

在一个 RE 可以匹配一个给定字串的多个子字串， RE 匹配那个在字串中最开头的那个．如果在该位置RE可以匹配多于 一个子字串，它匹配最长的．子表达式也是匹配最长的子字串， 由于有整个匹配越长越好的约束，所以靠前的子表达式的优先级比 靠后的高．请注意，高级的子表达式比低级的子表达式部件 的优先级高．

匹配长度是以字符计算的，而不是以集合元素． 空字串的长度被认为比什么都不匹配长． 比如， bb* 匹配 abbbc 的中间三个字符， (wee|week)(knights|nights) 匹配 weeknights 的所有十个字符， 而用 (.*).* 匹配 abc 的时候，圆括弧的子表达式匹配 所有三个字符，而如果用 (a*)* 匹配 bc ，那么整个 RE 和圆括弧的子表达式 都匹配空字串．

如果声明了大小写无关的匹配，其效果就好象在字符集里的 大小写区别都消失了一样．如果一个字母的大写和小写都出现在方括弧表达式外边 的普通字符里，那么你可以有效的把它们转换成一个包含大小写的 方括弧表达式，比如， x 变成 [xX] ． 如果它出现在方括弧表达式里面，所有它相对的大小写都被加入到 方括弧表达式，因此（比如） [x] 变成 [xX] 而 [^x] 变成 [^xX] ．

对 RE 的长度没有特别的限制，除了内存的限制以外． 内存的使用和 RE 的尺寸近似成线性关系， 并且随着 RE 的复杂度提高而极大增加，只有范围重复是例外． 范围重复是用宏扩展实现的，如果计数非常大或者范围重复是 嵌套的，那么开销就非常大．比如，象下面这样的 RE， ((((a{1,100}){1,100}){1,100}){1,100}){1,100} 会（最终）用光几乎任何现有机器的的交换空间． [1]