メインコンテンツまでスキップ
に最終更新

REGEXP

説明​

正規表現を <str> に適用し、マッチした場合は true、それ以外の場合は false を返します。パターンは文字列全体にマッチする必要はありません。文字列全体にマッチさせるには ^ と $ を使用します。いずれかの引数が NULL の場合は NULL を返し、無効なパターンの場合はエラーを報告します。文字列は UTF-8 として処理されます。Unicode の文字カテゴリにマッチさせるには、\p{Han} などの文字クラスを使用します。

通常のパターンについては、RE2 の構文を参照してください。

マッチングエンジンとセッション変数​

通常の LIKE と REGEXP のマッチングには Hyperscan による高速化を使用できます。次のセッション変数でフォールバックの動作を制御します。

セッション変数デフォルト値動作
enable_hyperscan_fallbacktrueDoris 4.1 シリーズでは 4.1.5 以降でサポートされます。実際に Hyperscan でコンパイルする経路で、コンパイルに失敗した場合やマッチング用のスクラッチ領域を確保できない場合に、RE2 へのフォールバックを許可します。false の場合は、対応するエラーを返します。単純なパターンの最適化や、RE2 を直接使用する経路には影響しません。
enable_extended_regexfalseRE2 がパターンを拒否した場合に、REGEXP が Boost.Regex を試せるようにします。これにより、先読み・後読みなどの拡張構文を使用できます。RE2 自体の構文は拡張されず、LIKE、MATCH_REGEXP、MULTI_MATCH_ANY に拡張構文が追加されることもありません。

Doris 4.1 シリーズの 4.1.5 以降では、enable_extended_regex=true は定数パターンと、カラムから読み取る非定数パターンの両方に適用されます。Hyperscan を使用する経路で enable_hyperscan_fallback=false が設定されている場合、Hyperscan の失敗時には引き続きエラーが返されます。enable_extended_regex を有効にしても、このエラーは回避できません。

enable_hyperscan_fallback の値と適用範囲については、セッション変数のリファレンスを参照してください。

拡張パターンについては、Boost.Regex の Perl 構文を参照してください。Boost.Regex のマッチングによるオーバーヘッドは、そのエンジンを使用する場合にのみ発生します。複雑なバックトラッキングを伴うパターンでは、Failed to match regex expression が報告されることもあります。

繰り返し回数の制限​

Doris 4.1 シリーズの 4.1.5 以降では、Hyperscan に渡される正規表現に {m}、{m,}、{m,n} のいずれかの形式で 50 を超える数値が含まれる場合、Hyperscan でのコンパイルをスキップします。たとえば、a{51}、a{51,}、a{0,51} はこのチェックに該当しますが、a{50} と a{0,50} は該当しません。これは保守的なテキストチェックのため、文字クラスやコメント内に同じ形式があっても該当する場合があります。

マッチング経路チェックに該当した場合の動作
通常の LIKE または REGEXP の Hyperscan 経路enable_hyperscan_fallback=true の場合はフォールバックを試み、それ以外の場合はエラーを返します。パターンは、フォールバック先のエンジンの構文と繰り返し回数の制限を満たす必要があります。
MATCH_REGEXP の行マッチングと転置インデックスによる正規表現マッチングパターンを直接拒否します。enable_hyperscan_fallback は使用しません。
MULTI_MATCH_ANY の複数パターンマッチングパターンを直接拒否します。enable_hyperscan_fallback は使用しません。

フォールバックせずにこのチェックに該当した場合、エラーには次の文字列が含まれます。

Skip hyperscan compilation because bounded repetition exceeds 50

構文​

REGEXP(<str>, <pattern>)
<str> [NOT] REGEXP <pattern>
<str> [NOT] RLIKE <pattern>

パラメータ​

パラメータ説明
<str>文字列型。正規表現とのマッチング対象となる文字列を表します。テーブルのカラムまたは文字列リテラルを指定できます。
<pattern>文字列型。文字列 <str> とのマッチングに使用する正規表現パターンです。正規表現では、文字クラス、量指定子、アンカーなどを使って複雑な検索パターンを定義できます。

戻り値​

REGEXP 関数は BOOLEAN 値を返します。文字列 <str> が正規表現パターン <pattern> にマッチする場合は true(SQL では 1)、マッチしない場合は false(SQL では 0)を返します。いずれかの引数が NULL の場合は NULL を返します。

Doris 4.1 シリーズの 4.1.5 以降では、定数の空パターンはカラムのパターンと同じ動作をします。空パターンは、空文字列を含むすべての非 NULL 文字列にマッチします。

デフォルトの動作:

デフォルトの設定動作
. は改行にマッチするデフォルトでは、. は \n(改行)にマッチします。
大文字と小文字を区別するマッチングでは大文字と小文字を区別します。
^/$ は文字列全体の境界にマッチする^ は文字列の先頭にのみ、$ は文字列の末尾にのみマッチし、各行の先頭や末尾にはマッチしません。
貪欲な量指定子*、+ などはデフォルトで可能な限り長くマッチします。
UTF-8文字列は UTF-8 として処理されます。

パターン修飾子:

pattern の先頭に (?flags) を付けると、デフォルトの動作を変更できます。(?im) のように複数の修飾子を組み合わせられます。(?-s) のように - を付けると、対応するオプションを無効にできます。

次の表は、通常の Hyperscan/RE2 経路での修飾子を示します。先読み・後読みなどの構文が原因で Boost.Regex にフォールバックした場合は、Boost.Regex の構文に従って修飾子を解釈してください。エンジン間で動作が必ずしも同じとは限りません。

フラグ意味
(?i)大文字と小文字を区別せずにマッチングする
(?-i)大文字と小文字を区別する(デフォルト)
(?s). が改行にマッチする(デフォルトで有効)
(?-s). が改行にマッチしない
(?m)複数行モード:^ は各行の先頭に、$ は各行の末尾にマッチする
(?-m)単一行モード:^/$ は文字列全体の境界にマッチする(デフォルト)
(?U)非貪欲な量指定子:*、+ などは可能な限り短くマッチする
(?-U)貪欲な量指定子(デフォルト):*、+ などは可能な限り長くマッチする

例​

CREATE TABLE test ( k1 VARCHAR(255) ) properties("replication_num"="1");

INSERT INTO test (k1) VALUES ('billie eillish'), ('It\'s ok'), ('billie jean'), ('hello world');
--- Find all data in the k1 column starting with 'billie'
SELECT k1 FROM test WHERE k1 REGEXP '^billie' ORDER BY k1;
+----------------+
| k1 |
+----------------+
| billie eillish |
| billie jean |
+----------------+
--- Find data in the k1 column ending with 'ok':
SELECT k1 FROM test WHERE k1 REGEXP 'ok$';
+---------+
| k1 |
+---------+
| It's ok |
+---------+

中国語の文字の例

select regexp('这是一段中文 This is a passage in English 1234567', '\\p{Han}');
+-----------------------------------------------------------------------------+
| ('这是一段中文 This is a passage in English 1234567' regexp '\p{Han}') |
+-----------------------------------------------------------------------------+
| 1 |
+-----------------------------------------------------------------------------+

単純な文字列マッチングのためのデータ挿入とテスト

CREATE TABLE test_regexp (
id INT,
name VARCHAR(255)
) PROPERTIES("replication_num"="1");

INSERT INTO test_regexp (id, name) VALUES
(1, 'Alice'),
(2, 'Bob'),
(3, 'Charlie'),
(4, 'David');

-- Find all names starting with 'A'
SELECT id, name FROM test_regexp WHERE name REGEXP '^A';
+------+-------+
| id | name |
+------+-------+
| 1 | Alice |
+------+-------+

特殊文字のマッチングテスト

-- Insert names with special characters
INSERT INTO test_regexp (id, name) VALUES
(5, 'Anna-Maria'),
(6, 'John_Doe');

-- Find names containing the '-' character
SELECT id, name FROM test_regexp WHERE name REGEXP '-';
+------+------------+
| id | name |
+------+------------+
| 5 | Anna-Maria |
+------+------------+

末尾の文字とのマッチングテスト

-- Find names ending with 'e'
SELECT id, name FROM test_regexp WHERE name REGEXP 'e$' ORDER BY id;
+------+----------+
| id | name |
+------+----------+
| 1 | Alice |
| 3 | Charlie |
| 6 | John_Doe |
+------+----------+

絵文字のテスト

SELECT 'Hello' REGEXP '😀';
+-----------------------+
| 'Hello' REGEXP '😀' |
+-----------------------+
| 0 |
+-----------------------+

空パターンは、空文字列を含むすべての非 NULL 文字列にマッチします。

SELECT REGEXP('abc', ''), REGEXP('', ''), REGEXP(NULL, '');
1    1    NULL

'str' が NULL の場合は NULL を返します。

SELECT REGEXP(NULL, '^billie');
+-------------------------+
| REGEXP(NULL, '^billie') |
+-------------------------+
| NULL |
+-------------------------+

'pattern' が NULL の場合は NULL を返します。

SELECT REGEXP('billie eillish', NULL);
+--------------------------------+
| REGEXP('billie eillish', NULL) |
+--------------------------------+
| NULL |
+--------------------------------+

すべてのパラメータが NULL の場合は NULL を返します。

SELECT REGEXP(NULL, NULL);
+--------------------+
| REGEXP(NULL, NULL) |
+--------------------+
| NULL |
+--------------------+

pattern が有効な正規表現ではない場合は、エラーを返します。

SELECT REGEXP('Hello, World!', '([a-z');
ERROR 1105 (HY000): errCode = 2, detailMessage = (10.16.10.2)[INTERNAL_ERROR]Invalid regex expression: ([a-z

高度なパターンには拡張構文が必要です。通常の RE2 へのフォールバックでは、先読み・後読みはサポートされません。

SET enable_hyperscan_fallback = true;
SET enable_extended_regex = true;
SELECT REGEXP('foobar', '(?<=foo)bar');
1

非定数パターンでも拡張構文を使用できます(Doris 4.1 シリーズの 4.1.5 以降)。

CREATE TABLE regexp_patterns (
id INT,
s VARCHAR(32),
p VARCHAR(64)
) DISTRIBUTED BY HASH(id) BUCKETS 1
PROPERTIES ("replication_num" = "1");

INSERT INTO regexp_patterns VALUES
(1, 'foobar', '(?<=foo)bar'),
(2, 'fobar', '(?<=foo)bar'),
(3, 'foo123bar', 'foo(?=123)'),
(4, 'foo124bar', 'foo(?=123)');

SELECT id, REGEXP(s, p) FROM regexp_patterns ORDER BY id;
1    1
2 0
3 1
4 0

以下の通常の構文の例を実行する前に、セッション設定を元に戻します。

SET enable_extended_regex = false;

パターン修飾子

大文字と小文字を区別しないマッチング:(?i) を使うと大文字と小文字を区別せずにマッチングします。

SELECT REGEXP('Hello World', 'hello') AS case_sensitive, REGEXP('Hello World', '(?i)hello') AS case_insensitive;
+----------------+------------------+
| case_sensitive | case_insensitive |
+----------------+------------------+
| 0 | 1 |
+----------------+------------------+

デフォルトでは . は改行にマッチします。. が改行にマッチしないようにするには (?-s) を使用します。

SELECT REGEXP('foo\nbar', '^.+$') AS dot_match_nl, REGEXP('foo\nbar', '(?-s)^.+$') AS dot_not_match_nl;
+--------------+------------------+
| dot_match_nl | dot_not_match_nl |
+--------------+------------------+
| 1 | 0 |
+--------------+------------------+

複数行モード:(?m) を使うと、^ と $ が各行の先頭と末尾にマッチします。

SELECT REGEXP('foo\nbar', '^bar') AS single_line, REGEXP('foo\nbar', '(?m)^bar') AS multi_line;
+-------------+------------+
| single_line | multi_line |
+-------------+------------+
| 0 | 1 |
+-------------+------------+

貪欲と非貪欲:(?U) を使うと、量指定子が可能な限り短くマッチします。

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