正则表达式是什么？
正则表达式用于查找和替换字符串中的模式。正则表达式是用某种语法定义的，正则表达式引擎采用这种语法并将它与字符串进行比较。引擎返回字符串是否与语法匹配的指示；也即，该字符串是否包含能够从该语法派生的子串。此外，引擎还能够返回匹配的子串。术语“模式（pattern）”用来表示语法。
最基本的模式仅由单个字母组成。当与该模式进行比较时，包含这个字母的字符串就是一个“匹配”。例如，如果模式是“a”，则字符串“abcd”就是一个匹配，而字符串“xyz”则不是。正则表达式的强大功能来自于预定义的运算符（也称为元字符），它们可以用很小的空间来表示模式。根据“方言”和受支持的功能，可以使用不同的元字符。通常，其中的一些可用字符如下：
| — 二中择一
[ ] — 分组
* — 多次出现（也匹配零次出现）
+ — 多次出现（至少一次）
? — 随意的出现次数
\\ — 反斜杠
不同的系统实现了常用正则表达式的各种扩展。编程语言 Perl 中使用的正则表达式支持进一步的缩写。本文中所用的库实现了这些扩展。下面摘录了其中部分可以在 Perl 正则表达式语言中使用的缩写：
\s — 任意空白字符
\w — 任意字母数字字符
\d — 任意数字字符
另一个更高级的示例是模式“[A-Z]* = ([0-9]|0x00);”。与这个模式相匹配的字符串包含这样的子串：它由几个大写字母、后面跟上一个空格、一个等号、另一个空格，然后是一个数字或字符串“0x00”组成。该子串的最后一个字符必须是分号。使用 Perl，这个模式可以表示为“\w* = (\d|0x00);”。“NM = 0x00;”和“X = 7;”是两个可以与该模式匹配的字符串。但字符串“Z = 123;”不能匹配，因为 123 是由三个数字所组成的。
DB2 中的字符串匹配
除了 Extender 以外，DB2 还允许几种用于文本比较的函数和运算符。但那些函数和运算符要么在用于模式匹配的功能方面有限制，要么就是会给可能使用它们的查询带来复杂性。这里简要地摘录几个可用的功能：
**= 或 <> 谓词 ** ：逐字符地比较两个字符串是否相等。
LIKE 谓词 ：使用通配符的基本模式匹配。
LOCATE 函数 ：在字符串中查找子串。
尽管也可以用 SQL 运算符表示模式“[A-Z]* = ([0-9]|0x00);”，但那样会很麻烦。例如，下列 SELECT 语句的 WHERE 子句中所使用的谓词会匹配字符串“str”中等号之后的部分，如 清单 1所示：
清单 1. 使用 LIKE 匹配模式
SELECT str
FROM strTable
WHERE ( str LIKE '% = 0;%' OR str LIKE '% = 1;%' OR str LIKE '% = 2;%'
OR str LIKE '% = 3;%' OR str LIKE '% = 4;%' OR str LIKE '% = 5;%'
OR str LIKE '% = 7;%' OR str LIKE '% = 7;%' OR str LIKE '% = 8;%'
OR str LIKE '% = 9;%' OR str LIKE '% = 0x00;%' )
这增加了可以匹配“[A-Z]*”子模式的谓词的复杂度，这可以使用对整个字符串进行迭代并进行逐字符比较的函数来完成，但您会发现使用内置功能既冗长又复杂。
示例方案
让我们定义下列清单（ 清单 2）并插入几行：
清单 2. 创建我们的样本表
CREATE TABLE strTable ( c1 INTEGER, str VARCHAR(500) );
INSERT INTO strTable VALUES ( 1, 'some text;' ),
( 2, 'variable = 1234;' ),
( 3, 'var2 = ''string variable'';' ),
( 4, 'xyz = ' ),
( 5, 'myVar = 0x00;' ),
( 6, '# comment' ),
( 7, 'abc = def' );
这个 清单及其数据被用于下面的所有示例。
SELECT * FROM strTable;
C1 STR
----------- ------------------------------
1 some text;
2 variable = 1234;
3 var2 = 'string variable';
4 xyz =
5 myVar = 0x00;
6 # comment
7 abc = def
7 record(s) selected.
实现模式匹配函数
您可以使用 DB2 的可扩展机制，在 SQL 语句内使用 UDF，以便显著地改善这种情形。通过定义名为 regex1 的 UDF（它采用模式和字符串作为输入参数）， 清单 1中的 WHERE 子句现在可以写得象 清单 3中所示的那样：
清单 3. 使用 regex UDF 来简化模式匹配
SELECT str
FROM strTable
WHERE regex1('\w* = (\d|0x00);', str) = 1
在本示例中，使用带有 Perl 扩展的正则表达式来匹配完整的模式，而不仅仅是 清单 1中给出的 LIKE 谓词所对应的部分模式。正如您所看到的，使用函数来为该模式编写谓词比用 LIKE 谓词表示同样的语义要容易得多。
实现 UDF
在我的示例实现中，我选择了现有的名为 PCRE（Perl 兼容的正则表达式，Perl-compatible regular expression）的模式匹配引擎。该引擎提供了用来处理模式和执行匹配的 C API。该引擎和查询中所用的 SQL 语言之间“缺失的部分”是 UDF。该 UDF 由两部分组成：
- 在数据库中创建（或注册）该函数的 CREATE FUNCTION 语句。
- 该函数的主体，它实现了用于正则表达式匹配引擎的 C API 调用的封装器
清单 4显示了用于创建该函数的 SQL 语句。
清单 4. 注册 regex1 函数
CREATE FUNCTION regex1(pattern VARCHAR(2048), string CLOB(10M))
RETURNS INTEGER
SPECIFIC regexSimple
EXTERNAL NAME 'regexUdf!regexpSimple'
LANGUAGE C
PARAMETER STYLE DB2SQL
DETERMINISTIC
NOT FENCED
RETURNS NULL ON NULL INPUT
NO SQL
NO EXTERNAL ACTION
ALLOW PARALLEL;
注： 请参阅 DB2 SQL Reference 以获取所有子句的详细含义。可以修改参数的长度以适应您的需求。我在此处展示某些值并没有任何推荐使用它们的用意。
第二部分由一小段 C 代码组成，它实现了 UDF 入口点。在查询执行期间，DB2 为每个要与模式匹配的行调用这个入口点。 清单 5中的示例列出了该代码的清单。有关 pcre_* 函数和宏的描述，请参考 PCRE 库的文档。有关 C 代码的编译和共享库的构建，请参考 DB2 Application Development Guide 。
清单 5. 实现 rege1x UDF 入口点的 C 代码
#include
1<pcre.h>
2 #include <sqludf.h>
3
4 void regexpSimple(
5 // input parameters
6 SQLUDF_VARCHAR *pattern, SQLUDF_CLOB *str,
7 // output
8 SQLUDF_INTEGER *match,
9 // null indicators
10 SQLUDF_NULLIND *pattern_ind, SQLUDF_NULLIND *str_ind,
11 SQLUDF_NULLIND *match_ind,
12 SQLUDF_TRAIL_ARGS)
13 {
14 pcre *re = NULL;
15 const char *error = NULL;
16 int errOffset = 0;
17 int rc = 0;
18
19 // we assume successful return
20 *match_ind = 0;
21
22 // compile the pattern to its internal representation
23 re = pcre_compile(pattern, 0 /* default options */, &error,
24 &errOffset, NULL);
25 if (re == NULL) {
26 snprintf(SQLUDF_MSGTX, 70, "Regexp compilation failed at "
27 "offset %d: %s\n", errOffset, error);
28 strcpy(SQLUDF_STATE, "38900");
29 (*pcre_free)(re);
30 return;
31 }
32
33 // match the string againts the pattern
34 rc = pcre_exec(re, NULL, str->data, str->length, 0,
35 0 /* default options */, NULL, 0);
36 switch (rc) {
37 case PCRE_ERROR_NOMATCH:
38 *match = 0;
39 break;
40 case PCRE_ERROR_BADOPTION:
41 snprintf(SQLUDF_MSGTX, 70, "An unrecognized bit was set in the "
42 "options argument");
43 strcpy(SQLUDF_STATE, "38901");
44 break;
45 case PCRE_ERROR_NOMEMORY:
46 snprintf(SQLUDF_MSGTX, 70, "Not enough memory available.");
47 strcpy(SQLUDF_STATE, "38902");
48 break;
49 default:
50 if (rc < 0) {
51 snprintf(SQLUDF_MSGTX, 70, "A regexp match error "
52 "occured: %d", rc);
53 strcpy(SQLUDF_STATE, "38903");
54 }
55 else {
56 *match = 1;
57 }
58 break;
59 }
60
61 // cleanup
62 (*pcre_free)(re);
63 return;
64 }
65
66---
67
68用法示例
69
70下列查询试图从表 ` strTable ` 中找出包含注释文本的所有字符串。注释以“#”开头，所以模式是“#”后跟非空文本。
71
72
73 SELECT c1, str
74 FROM strTable
75 WHERE regex1('#\s*\w+', str) = 1;
76
77
78---
79
80结果只包含 c1 = 6 的行。
81
82
83 C1 STR
84 ----------- -------------------------
85 6 # comment;
86
87 1 record(s) selected.
88
89---
90
91在第二个示例中，我们试图找到这种赋值形式的字符串；即“text = text”。为了进一步缩小范围，我们只查找那些右端为数值的赋值。将十六进制表示法作为有效数值对待。
92
93
94 SELECT c1, str
95 FROM strTable
96 WHERE regex1('\w+\s*=\s*(\d+|0x\d\d)', str) = 1;
97
98---
99
100除了 c1 为 2 或 5 的两行以外，其它行都不包含数值的赋值，因此不会出现在结果中：
101
102
103 C1 STR
104 ----------- -------------------------
105 2 variable = 1234;
106 5 myVar = 0x00;
107
108 2 record(s) selected.
109
110
111---</sqludf.h></pcre.h>