SQL正则表达式实战：数据清洗与模式匹配技巧

1. 正则表达式在SQL中的核心价值

第一次在SQL里用正则表达式处理客户地址数据时，我对着几百条"XX省/市/区/县"混搭的字段发愁。直到发现REGEXP函数，原本需要几十行嵌套SUBSTRING的活儿，一句WHERE address REGEXP '^[^省]+省'就搞定了——这就是正则表达式在SQL中的魔力。

作为处理文本的瑞士军刀，正则表达式在SQL中主要解决三类痛点：

• 模糊匹配难题：当LIKE的%和_无法满足复杂模式时（比如识别所有格式的身份证号）
• 数据清洗刚需：从混乱的文本中提取结构化信息（如从日志中分离IP和时间戳）
• 验证约束场景：确保字段符合特定格式（邮箱、URL等）

几乎所有主流数据库都支持正则：

• MySQL的REGEXP/RLIKE
• PostgreSQL的~操作符
• Oracle的REGEXP_LIKE
• SQL Server较新版本也通过CLR集成支持

注意：不同数据库的正则语法可能有细微差异，本文以MySQL 8.0语法为基准，关键差异处会特别说明

2. 正则表达式基础语法精要

2.1 元字符速成手册

这些符号是正则表达式的字母表，必须烂熟于心：

sql复制-- 匹配数字开头的字符串
SELECT * FROM products 
WHERE product_code REGEXP '^[0-9]';

-- 查找包含连续三个相同字母的单词
SELECT word FROM dictionary
WHERE word REGEXP '([a-z])\\1{2}';