MySQL 匹配这个正则表达式，但它不应该匹配

Question

我正在尝试识别 Markdown 文本中引用(引用)其他人的句子，该文本位于 MySQL GHTorrent 数据集的本地副本中。所以我写了这个查询:

select * from github_discussions where body rlike '(.)*(\s){1,}(>)(\s){1,}(.)+';

它匹配一些不需要的数据，根据https://regex101.com/ ，它不应该与这个特定的正则表达式一起使用。

测试字符串:

`Params` is plural -> contain<s>s</s>

在 MySQL 数据库上匹配，在 regex101 dot com 上不匹配。

明显的引用示例，但在 db 处不匹配:

Yes, I believe so.\r\n\r\n\r\n\r\nK\r\n\r\n> On 19-Jul-2014, at 17:33, Stefan Karpinski <notifications@github.com> wrote:\r\n> \r\n> This is the standard 3-clause BSD license, right?\r\n> \r\n> —\r\n> Reply to this email directly or view it on GitHub.

此外，MySQL Workbench 不会显示那些回车符和换行符，除非复制粘贴到此处。

我可以使用一些更新查询进行规范化(删除\r 和\n)吗？

MySQL 正则表达式实现与 POSIX 标准正则表达式不同吗？您是否有最干净的解决方案来识别 Markdown 文本中的引用？

谢谢!

Answer 1

你那里有很多 parent 。按照上面的功能尝试一下:

select * from github_discussions where body rlike '.*[:blank:]+>[:blank:]+.+'

但是，我不确定这真的是您想要的。这很高兴与这一行匹配:

this is before > and after

据我了解，这不是 markdown 中带引号的字符串。相反，我会将其固定在开头，如下所示:

select * from github_discussions where body rlike '^[:blank:]*>[:blank:]+'

这将匹配行开头的大于号，前面可以选择空格。这是您要找的吗？

我不确定您的数据是否嵌入了换行符。如果是这样，您可能需要研究让正则表达式使用 ^ 锚定符号识别换行符的方法。正如正则表达式文献中广为接受的结论一样，将其留给学生作为练习。:-)