mysql - 正则表达式搜索mysql文本列

Question

好的，我认为普通的正则表达式会伤脑筋，但是我似乎找不到要在mysql中使用正则表达式查找的内容。

我正在尝试寻找新闻文章中的情况，其中纺织格式的网址未以斜杠结尾，因此：

“ Catherine Zeta-Jones”：/ cr / catherinezeta-jones /已访问堆栈溢出是可以的，但是
“ Catherine Zeta-Jones”：/ cr / catherinezeta-jones访问堆栈溢出不是。

[仅以凯瑟琳为例，因为我假设Alpha搜索不会捕获连字符]

这些日子之一，我将不得不做那只山羊牺牲，这样我才能获得有关正则表达式的适当知识。

感谢大家！

Answer 1

我认为您最终会得到以下正则表达式："((?:[^"]|\\")*)":(\S*/)(?=\s)。分解如下：


"匹配文字引号。
`（？：[^“] | \”）*匹配（不捕获）内部；也就是说，任意一个（零个或多个）：


[^"]（非引号字符），或
\\"，转义的引号。

"匹配文字引号。
:匹配文字冒号。
\S*匹配零个或多个非空格字符
/与文字斜杠匹配
(?=\s)是一个超前字符，如果下一个字符是空白字符则匹配。


此后，第一个捕获组（通常为$1）将包含链接文本，而$2将包含链接URL。它只会匹配所需格式的链接。如果要匹配所有链接，只需删除/，然后删除所有不以一个结尾的URL。



编辑：据我所知，MySQL显然没有\s，\S，(?:...）或(?=...)。替换\s和\S很容易：只需使用[[:blank:]]和[^[:blank:]]。替换(?:...)也很容易，因为我想在这种情况下，您不必关心哪个组捕获了什么：只需将所有(?:...)替换为(...)。通常，替换前瞻性很棘手，但在这种情况下应该可以实现：据我所知，实际上您并不在乎比赛的末尾是否包含空格。因此，您可以匹配您要向前看的内容，而不是简单地向前看（或在我的第一个答案中省略的字符串结尾$）。为了稍微完善一点，这里有两个regexen：


"(([^"]|\\")*)":([^[:space:]]*/)([[:space:]]|$)，与以反斜杠结尾的Textile URL匹配；要么
[编辑：损坏！] "(([^"]|\\")*)":([^[:space:]]*[^/])([[:space:]]|$)，与没有以斜杠结尾的Textile URL匹配。




编辑：我上次几乎可以工作。但是，请考虑类似"text":/url/的内容。 [^[:space:]]*将获取/url/，[^/]将获取第一个空格，而([[:space:]]|$)将获取第二个空格，从而告诉您它不匹配。为了解决这个问题，我们告诉它URL的最后一个字符也必须是非空格字符。这样做，并删除一些多余的括号，可以使我们


"([^"]|\\")*":[^[:space:]]*/([[:space:]]|$)，与以反斜杠结尾的Textile URL匹配；要么
"([^"]|\\")*":[^[:space:]]*[^/[:space:]]([[:space:]]|$)，与不以斜杠结尾的Textile URL匹配。


这几乎够好了。但是，事实并非如此。尽管在URL上，诸如,之类的标点在技术上是合法的，但Textile不允许这样做。但是，它关于URL何时结束的规则比较模糊："common punctuation … can reside at the end of a URL."而且，还可以将链接括在方括号中，而此正则表达式也不会捕获。甚至还没有开始处理链接查找表。

修改内容以应对,的情况很容易：随处可见[:space:]，将其替换为[:space:],，并在,之后包含其他所需内容。这是因为在上述regexen中，[:space:]代表“非法URL字符”。修改内容以解决括号问题比较困难，但最好通过将]当作逗号来实现。使用此正则表达式无法处理链接查找表。正则表达式可能与（未经测试的）^[[:space:]]*\[[^\]]*\].*[^/]$相似，但我几乎肯定地说，这会遗漏极端情况（变得太多，太少或两者兼有），并且可能存在其错误。拥有。您当然不知道是否仅通过regexen使用过定义的链接。

然后，最后的复杂性提出了另一个问题：您到底在做什么？我知道现在您正在执行SELECT ... WHERE ...，但这是什么意思？我问的原因是该任务不再真正适合于regexen。您应该使用解析器或类似的东西。并取决于您为什么这样做，这可能是可行的。