9.6. 模式匹配

PostgreSQL 提供了三种实现模式匹配 的方法:SQL LIKE 操作符,更近一些的 SQL99 SIMILAR TO 操作符, 和POSIX-风格正则表达式。 另外还有一个模式匹配函数 substring 可以用, 可以使用 SQL99 风格的或者 POSIX 风格的正则表达式。

提示: 如果你的模式匹配的要求比这些还多,或者想写一些模式驱动的 替换和转换,请考虑用 Perl 或 Tcl 写一个用户定义函数。

9.6.1. LIKE

string LIKE pattern [ ESCAPE escape-character ]
string NOT LIKE pattern [ ESCAPE escape-character ]

每个 pattern 定义一个字串的集合。 如果该 string 包含在 pattern 代表的字串集合里,那么 LIKE 表达式返回真。 (和我们想象的一样,如果 LIKE 返回真,那么 NOT LIKE 表达式返回假, 反之亦然。一个等效的表达式是 NOT (string LIKE pattern).)

如果 pattern 不包含百分号 或者下划线,那么该模式只代表它本身; 这时候 LIKE 的行为就象等号操作符。 在 pattern 里的下划线 (_)代表(匹配)任何单个字符; 而一个百分号(%)匹配任何零或更多 字符长的字串。

下面是一些例子∶

'abc' LIKE 'abc'    true
'abc' LIKE 'a%'     true
'abc' LIKE '_b_'    true
'abc' LIKE 'c'      false

LIKE 模式匹配总是覆盖整个字串。 要匹配在字串内部任何位置的模式,该模式必须以百分号开头和结尾。

要匹配文本的下划线或者百分号,而不是匹配其它字符, 在pattern 里相应的字符必须 前导逃逸字符。缺省的逃逸字符是反斜杠,但是你可以用 ESCAPE 子句指定一个。 要匹配逃逸字符本身,写两个逃逸字符。

请注意反斜杠在字串文本里已经有特殊含义了,所以如果你写一个 包含反斜杠的模式常量,那你就要在 SQL 语句里写两个反斜杠。 因此,写一个匹配单个反斜杠的模式实际上要在语句里写四个反斜杠。 你可以通过用 ESCAPE 选择一个不同的逃逸字符 来避免这样;这样反斜杠就不再是 LIKE 的特殊字符了。 但仍然是字符文本分析器的特殊字符,所以你还是需要两个反斜杠。)

我们也可以通过写成 ESCAPE '' 的方式 有效地关闭逃逸机制,这时,我们就不能关闭下划线和百分号的特殊含义。

关键字 ILIKE 可以用于替换 LIKE, 令该匹配就当前的区域设置是大小写无关的。 这个特性不是 SQL 标准,是 PostgreSQL 扩展。

操作符 ~~ 等效于 LIKE, 而 ~~* 对应 ILIKE。 还有 !~~!~~* 操作符 分别代表 NOT LIKENOT ILIKE。所有这些操作符都是 PostgreSQL 特有的。

9.6.2. SIMILAR TOSQL99 正则表达式

string SIMILAR TO pattern [ESCAPE escape-character]
string NOT SIMILAR TO pattern [ESCAPE escape-character]

SIMILAR TO 根据自己的模式是否匹配给定字串而 返回真或者假。它和 LIKE 非常类似,只不过它 使用 SQL99 定义的正则表达式理解模式。 SQL99 的正则表达式是在 LIKE 表示法和普通的正则表达式表示法之间古怪的交叉。

类似 LIKESIMILAR TO 操作符只有在它的模式匹配整个字串的时候才能成功;这一点和普通的 正则表达式的习惯不同,在普通的正则表达式里,模式匹配字串的任意 部分。 和 LIKE 类似的地方还有,SIMILAR TO 使用 _% 作为分别代表任意字串和任意字串字符 的通配符。(这些和 POSIX 正则表达式里的 ..* 兼容)

除了这些从 LIKE 借用的功能之外, SIMILAR TO 支持下面这些从 POSIX 正则表达式借用的 模式匹配元字符:

请注意没有提供范围重复(?{...}), 尽管它们在 POSIX 里有。同时,点(.)不是元字符。

LIKE 一样,反斜杠关闭所有这些元字符的特殊含义; 当然我们也可以用 ESCAPE 声明另外一个逃逸字符。

一些例子:

'abc' SIMILAR TO 'abc'      true
'abc' SIMILAR TO 'a'	false
'abc' SIMILAR TO '%(b|d)%'  true
'abc' SIMILAR TO '(b|c)%'   false

带三个参数的substringsubstring(string from pattern for escape-character), 提供了一个从字串中抽取一个匹配SQL99正则表达式模式的子字串的函数。 和SIMILAR TO一样,声明的模式必须匹配整个数据串,否则函数失效并 返回 NULL。为了标识在成功的时候应该返回的模式部分,模式 必须出现后跟双引号(")的两个逃逸字符。匹配这两个标记 之间的模式的字串将被返回。

一些例子:

substring('foobar' from '%#"o_b#"%' FOR '#')   oob
substring('foobar' from '#"o_b#"%' FOR '#')    NULL

9.6.3. POSIX 正则表达式

Table 9-11 列出了所有可用的 用于 POSIX 正则表达式的操作符。

Table 9-11. 正则表达式匹配操作符

操作符描述例子
~ 匹配正则表达式,大小写相关'thomas' ~ '.*thomas.*'
~* 匹配正则表达式,大小写无关'thomas' ~* '.*Thomas.*'
!~ 不匹配正则表达式,大小写相关'thomas' !~ '.*Thomas.*'
!~* 不匹配正则表达式,大小写无关'thomas' !~* '.*vadim.*'

POSIX 正则表达式提供了比 LIKESIMILAR TO 操作符 更强大的模式匹配的方法。许多 Unix 工具,比如 egrepsed,或 awk 使用一种与我们这里描述的类似的模式匹配语言。

正则表达式是一个字符序列,它是定义一个字串集合 (一个正则集合)的缩写。 如果一个字串是正则表达式描述的正则集合中的一员时, 我们就说这个字串匹配该正则表达式。 和 LIKE 一样,模式字符准确地匹配字串字符, 除非在正则表达式语言里有特殊字符 --- 不过正则表达式用的 特殊字符和 LIKE 用的不同。 和 LIKE 不一样的是,正则表达式 可以匹配字串里的任何位置,除非该正则表达式明确地挂接在字串 的开头或者结尾。

一些例子:

'abc' ~ 'abc'    true
'abc' ~ '^a'     true
'abc' ~ '(b|d)'  true
'abc' ~ '^(b|c)' false

带两个参数的substringsubstring(string from pattern),提供了从字串中抽取一个匹配 POSIX 正则表达式模式的 子字串的方法。如果没有匹配它返回 NULL,否则就是文本中匹配模式的那部分。 但是如果该模式包含任何圆括弧,那么将返回匹配第一对子表达式(对应第一个左圆括弧的) 的文本。如果你想在表达式里使用圆括弧,那么你总可以在最外围放上一对儿圆括弧 来避免出现这个问题。又见下面描述的非捕获性圆括弧。

一些例子:

substring('foobar' from 'o.b')     oob
substring('foobar' from 'o(.)b')   o

PostgreSQL 的正则表达式是使用 Henry Spencer 写的一个包来实现的。下面的正则表达式的大部分描述都是从他的手册页里面 逐字拷贝过来的。

9.6.3.1. 正则表达式

正则表达式("RE"),在POSIX1003.2 中定义, 它有两种形式:扩展的RE或者是ERE (基本上就是那些在 egrep 里的), "基本"RE或者是BRE (基本上就是那些在 ed里的)。 PostgreSQL 两种形式都实现了,并且还做了一些POSIX里面没有的, 但是因为在类似 Perl 或者 Tcl 这样的语言中得到广泛应用的一些扩展。 使用了那些非POSIX扩展的 RE高级 RE, 或者我们文档里说的 ARE。ARE 几乎完全是 ERE 的超集,但是 BRE 有几个符号上的不兼容(以及更多的限制)。我们首先描述 ARE 和 ERE 形式, 描述那些只适用于 ARE 的特性,然后描述 BRE 的区别是什么。

注意: 我们可以通过设置运行时参数 regex_flavor (在 Section 16.4 里面描述)来选择 PostgreSQL 接受的正则表达式的形式。 通常的设置是advanced(高级),但是我们可以选择 extended 和 7.4 以前的PostgreSQL版本做到最大的向下兼容。

(现代)的 RE 是一个或多个非空的 分支, 由 | 分隔。它匹配任何匹配其中一个分支的东西。

一个分支是一个或多个有修饰的原子或者约束 连接而成。一个原子匹配第一个,然后后面的原子匹配第二个, 以此类推。

一个有修饰的原子是一个原子, 后面可能跟着一个量词。没有量词的时候,它匹配一个原子, 有量词的时候,它可以匹配若干个原子。原子可以是在 Table 9-12里面显示的任何可能。 可能的量词和他们的含义在 Table 9-13 里显示。

一个 constraint 匹配一个空字串,但只是在满足特定条件下 才匹配。约束可以在能够使用原子的地方使用,只是她不能跟着量词。最简单 的原子在 Table 9-14 里显示; 更多的约束稍后描述。

Table 9-12. 正则表达式原子

原子描述
(re) (这里的 re 是任何正则表达式) 匹配一个对 re 的匹配,有可报告的匹配信息
(?:re) 同上,但是匹配不会被报告 (一个"不捕获"圆括弧) (只在 ARE 中有)
. 匹配任意单个字符
[chars] 一个 方括弧表达式, 匹配任意的字符(参阅 Section 9.6.3.2 获取更多细节)
\k (这里的 k 是非字母数字字符) 匹配一个当作普通字符看待的特定字符, 比如,\\ 匹配一个反斜杠
\c 这里的 c 是一个字母数字 (可能跟着其它字符),它是一个逃逸, 参阅 Section 9.6.3.3(仅存在于 ARE; 在 ERE 和 BRE 中,它匹配 c
{ 如果后面跟着一个字符,而不是数字, 那么就匹配左花括弧{;如果跟着一个数字, 那么它是范围的开始(见下面)
x 这里的 x 是一个没有其它特征的单个字符, 则匹配该字符

RE 不能以 \ 结尾。

注意: 要记住反斜杠(\)在 PostgreSQL 字串文本中已经有特殊含义了。 要写一个包含反斜杠的模式,你必须在语句里写两个反斜杠。

Table 9-13. 正则表达式量词

量词匹配
* 一个匹配 0 或者更多个原子的序列
+ 一个匹配 1 或者更多个原子的序列
? 一个匹配 0 个或者 1 个原子的序列
{m} 一个正好匹配 m 个原子的序列
{m,} 一个匹配m 个或者更多原子的序列
{m,n} 一个匹配 mn 个(包含两端) 原子的序列;m 不能比 n
*? * 的非贪婪模式
+? + 的非贪婪模式
?? ? 的非贪婪模式
{m}? {m} 的非贪婪模式
{m,}? {m,} 的非贪婪模式
{m,n}? {m,n} 的非贪婪模式

{...} 的形式被称作范围。 一个范围内的数字 mn 都是无符号十进制整数, 允许的数值从 0 到 255(闭区间)。

非贪婪的量词(只在 ARE 中可用)匹配对应的正常 (贪婪)模式,区别是它寻找最少的匹配,而不是最多的匹配。 参阅 Section 9.6.3.5 获取细节。

注意: 一个量词不能紧跟在另外一个量词后面。量词不能是表达式或者子表达式的开头, 也不能跟在 ^ 或者 | 后面。

Table 9-14. 正则表达式约束

约束描述
^ 匹配字串的开头
$ 匹配字串的结尾
(?=re) 正前瞻 匹配任何匹配 re 的 子字串起始点(只在 ARE 中有)
(?!re) 负前瞻 匹配任何不匹配 re 的子字串的起始点。(只在 ARE 中有)

前瞻约束不能包含后引用 (参阅 Section 9.6.3.3),并且在里面的所有圆括弧 都被认为是不捕获的。

9.6.3.2. 方括弧表达式

方括弧表达式是一个包围在 [] 里的字符列表。它通常匹配任意单个 列表中的字符(又见下文)。 如果列表以 ^ 开头,它匹配 任意单个(又见下文)不在该列表中的字符。 如果该列表中两个字符用-隔开, 那它就是那两个字符(包括在内)之间的所有字符范围的缩写, 比如,在 ASCII[0-9] 包含任何十进制数字。 两个范围共享一个终点是非法的,比如, a-c-e。这个范围与字符集关系密切, 可移植的程序不应该依靠它们。

想在列表中包含文本 ],可以让它做 列表的首字符(可能会在一个 ^ 后面)。 想在列表中包含文本 -,可以让它做 列表的首字符或者末字符,或者一个范围的第二个终点。 想在列表中把文本-当做范围的起点, 把它用 [..] 包围起来,这样它就成为一个集合元素(见下文)。 除了这些字符本身,和一些用 [ 的组合(见下段),以及逃逸(只在 ARE 中有效)以外,所有其它特殊字符 在方括弧表达式里都失去它们的特殊含义。 特别是,在 ERE 和 BRE 规则下 \ 不是特殊的, 但在 ARE 里,它是特殊的(还是引入一个逃逸)。

在一个方括弧表达式里,一个集合元素(一个字符,一个当做 一个字符的多字符序列,或者一个表示上面两种情况的集合序列) 包含在 [..] 里面的时候表示该集合元素的字符序列。该序列是该方括弧列表 的一个元素。因此一个包含多字符集合元素的方括弧表达式就 可以匹配多于一个字符,比如,如果集合序列包含一个 ch 集合元素, 那么 RE [[.ch.]]*c 匹配 chchcc 的头五个字符。 (译注:其实把 [. 和 .] 括起来的当一个字符看就行了。)

注意: PostgreSQL 目前没有多字符集合元素。这些信息描述了将来可能有的行为。

在方括弧表达式里,在[==] 里包围的集合元素是一个等效表, 代表等于这里所有集合元素的字符序列,包括它本身。 (如果没有其它等效集合元素,那么就好象封装元素是 [..]。) 比如,如果 o^ 是一个等效表的成员,那么 [[=o=]][[=^=]],和 [o^] 都是同义的。一个等效表不能是一个范围的 端点。

在方括弧表达式里,在 [::] 里面封装的字符表名字代表 属于该表的所有字符的列表。 标准的字符表名字是:alnumalphablankcntrldigitgraphlowerprintpunctspaceupperxdigit。 它们代表在 ctype 里定义的字符表。 本地化设置可能会提供其他的表。字符表不能用做一个范围的端点。

在方括弧表达式里有两个特例:方括弧表达式 [[:<:]][[:>:]] 是约束,分别匹配一个单词开头和结束的空串。 单词定义为一个单词字符序列,前面和后面都没有其它单词字符。 单词字符是一个字母数字(和 ctype 里定义的一样) 或者一个下划线。这是一个扩展,兼容POSIX1003.2, 但那里面并没有说明, 而且在准备移植到其他系统里去的软件里一定要小心使用。 通常下面描述的约束逃逸更好些(他们并非更标准,但是肯定更容易敲入)。

9.6.3.3. 正则表达式逃逸

逃逸是以 \ 开头,后面跟着一个字母数字字符得特殊序列。 逃逸有好几种变体:字符项,表缩写,约束逃逸,以及后引用。在 ARE 里, 如果一个 \ 后面跟着一个字母数字,但是并未组成一个合法的逃逸, 那么它是非法的。在 ERE 里则没有逃逸:在方括弧表达式之外,一个跟着字母数字字符 的 \ 只是表示该字符是一个普通的字符,而在一个方括弧表达式里, \ 是一个普通的字符。(后者实际上是 ERE 和 ARE 之间的不兼容。)

字符项逃逸用于方便我们声明RE里那些不可打印的字符。 它们在 Table 9-15 里列出。

表缩写逃逸用来提供一些常用的字符表缩写。 他们在 Table 9-16 里显示。

约束逃逸是一个约束,如果满足特定的条件, 它匹配该空字串。它们在 Table 9-17 里显示。

后引用\n)匹配数字 n 指定的前面的圆括弧子表达式匹配的同一个字串 (参阅 Table 9-18)。比如, ([bc])\1匹配bb或者cc, 但是不匹配bc或者cb。RE里子表达式必须完全在后引用前面。 非捕获圆括弧并不定义子表达式。

注意: 请注意,如果把模式当作一个 SQL 字串常量输入,那么逃逸前导的 \ 需要成倍地写。

Table 9-15. 正则表达式字符项逃逸

逃逸描述
\a 警笛(铃声)字符,和 C 里一样
\b 退格,和 C 里一样
\B \ 的同义词,用于减少反斜杠加倍的需要
\cX (这里 X 是任意字符)字符的 低 5 位和 X 里的相同,其它位都是 0
\e 集合序列名字是 ESC 的字符, 如果不是,则是八进制值为 033 的字符
\f 进纸,和 C 里一样
\n 新行,和 C 里一样
\r 回车,和 C 里一样
\t 水平制表符,和 C 里一样
\uwxyz (这里的 wxyz 和恰好四位十六进制位) 本机字节序的 Unicode 字符 U+wxyz
\Ustuvwxyz (这里的 stuvwxyz 是恰好八位十六进制位) 为那种假想中的 Unicode 32 位扩展保留的
\v 垂直制表符,和 C 里一样
\xhhh (这里 hhh 是一个十六进制序列) 十六进制值为 0xhhh 的字符 (不管用了几个十六进制位,都是一个字符)
\0 值为 0 的字符
\xy (这里的 xy 是恰好两个八进制位, 并且不是一个 后引用)八进制值为 0xy 的字符
\xyz (这里的 xyz 是恰好三位八进制位, 并且不是一个 后引用) 八进制值为 0xy的字符

十六进制位是 0-9a-f,和 A-F。八进制位是 0-7

字符项逃逸总是被当作普通字符。比如,\135 是 ASCII 中的 ], 但 \135 并不终止一个方括弧表达式。

Table 9-16. 正则表达式表缩写逃逸

逃逸描述
\d [[:digit:]]
\s [[:space:]]
\w [[:alnum:]_] (注意,这里是包含下划线的)
\D [^[:digit:]]
\S [^[:space:]]
\W [^[:alnum:]_] (注意这里是包含下划线的)

在方括弧表达式里,\d\s, 和 \w 会失去他们的外层方括弧,而 \D\S, 和 \W 是非法的。(也就是说,比如 [a-c\d] 等效于 [a-c[:digit:]]。同样 [a-c\D],它原来等效于 [a-c^[:digit:]]的,也是非法的。)

Table 9-17. 正则表达式约束逃逸

逃逸描述
\A 只匹配字串开头,(参阅 Section 9.6.3.5 获取它和 ^ 区别的信息)
\m 只匹配一个词的开头
\M 只匹配一个词的结尾
\y 只匹配一个词的开头或者结尾
\Y 只匹配那些既不是词的开头也不是词的结尾的点
\Z 只匹配一个字串的结尾 (参阅 Section 9.6.3.5 获取它和$区别的信息)

一个词的定义是上面 [[:<:]][[:>:]] 的声明。在方括弧表达式里,约束逃逸是非法的。

Table 9-18. 正则表达式后引用

逃逸描述
\m (这里的 m 是一个非零十进制位) 一个指向第 m 个子表达式的后引用
\mnn (这里的 m 是一个非零十进制位,而 nn 是更多的十进制位,并且十进制数值 mnn 不能大于到这个位置为止的闭合捕获圆括弧的个数) 一个指向第 mnn 个子表达式的后引用

注意: 在八进制字符项逃逸和后引用之间有一个历史继承的歧义存在,这个歧义是 通过启发分析解决的,像上面描述地那样。前导零总是表示这是一个八进制逃逸。 而单个非零数字,如果没有跟着任何其它数字,那么总是认为是后引用。 一个多数据位的非零开头的序列也认为是后引用——只要它在合适的子表达式后面 (也就是说。数值在后引用的合法范围那),否则就认为是一个八进制。

9.6.3.4. 正则表达式元语法

除了上面描述地主要语法之外,还有几种特殊形式和杂项语法。

通常,RE 的风味由 regex_flavor 决定。但是,这个环境变量 可以被一个指示器前缀覆盖。如果任何类型的 RE 以***: 开头,那么剩下的 RE 都被当作 ARE。如果任何类型的 RE 以 ***=开头, 那么剩下的 RE 被当作一个文本串,所有的字符都被认为是一个普通字符。

一个 ARE 可以以嵌入选项开头:一个(?xyz) 序列(这里的 xyz 是一个或多个字母字符)声明影响剩余 RE 的选项。 这些选项覆盖任何前面判断的选项(包括 RE 风味和大小写敏感性)。可用的选项字母 在 Table 9-19 显示。

Table 9-19. ARE 嵌入选项字母

选项描述
b 剩下的 RE 是 BRE
c 大小写敏感匹配(覆盖操作符类型)
e 剩下的 RE 是 ERE
i 大小写不敏感匹配(参阅 Section 9.6.3.5) (覆盖操作符类型)
m n 的历史同义词
n 新行敏感匹配(参阅 Section 9.6.3.5
p 部分新行敏感匹配(参阅 Section 9.6.3.5
q 重置 RE 为一个文本("引起")字串,所有都是普通字符
s 非新行敏感匹配(缺省)
t 紧语法(缺省,见下文)
w 反转部分新行敏感("怪异")匹配(参阅 Section 9.6.3.5
x 扩展的语法(见下文)

嵌入地选项在终止其序列的 ) 发生作用。他们只在 ARE 的开始处 起作用,稍后在里面就不能再用了。

除了通常的()RE 语法,(这种情况下所有字符都重要), 还有一种扩展语法,可以通过声明嵌入的 x 选项获得。 在扩展语法里,RE 中的空白字符被忽略,就像那些在 # 和新行之间 的字符一样。这样就允许我们给一个复杂的 RE 分段和注释。不过这个基本规则 上有三种例外:

  • 前置了 \ 的空白字符或者 # 保留

  • 方括弧里的空白或者 # 保留

  • 在多字符符号里面,空白和注释是非法的,就像 ARE (?: 或者 BRE \( 那样。

扩展语法的空白是空白,水平制表符,新行,和任何属于 space (空白)字符表的字符。

最后,在 ARE 里,方括弧表达式外面,序列 (?#ttt) (这里的 ttt 是任意不包含 ) 的文本)是一个注释, 完全被忽略。同样,这样的东西是不允许出现在多字符符号的字符中间的, 比如 (?:。这样的注释是比有用的机制的更久远的历史造成的, 他们的用法已经废弃了;我们应该使用扩展语法代替他。

如果声明了一个初始化的 ***= 指示器,那么所有这些元语法 扩展都不能使用,因为这样表示把用户输入当作一个文本字串 而不是 RE 对待。

9.6.3.5. 正则表达式匹配规则

在 RE 可以匹配给出的字串中多于一个子字串的情况下, RE 匹配字串中最靠前的那个子字串。如果 RE 可以匹配在那个位置开始 的多个子字串,那么它的选择取决于它的喜好: 要么是最长的子字串,要么是最短的。

大多数原子,以及所有约束,都没有喜好。一个圆括弧包围的 RE 和这个 RE 有同样的喜好(可能是没有)。一个用量词 {m} 或者 {m}?量化的原子和原子本身有着同样的喜好(可能没有)。 一个用其它普通量词(包括 {m,n} 里面 m 等于 n)量化的原子喜好最长的匹配。 一个用其它非贪婪的量词(包括 {m,n}? 里面的 m 等于 n)量化的原子喜好最短的匹配。 一个分支的喜好和它里面的第一个有喜好的量化原子相同。 一个由 | 操作符连接起来得两个或者多个分支喜好最长的匹配。

由规则强加匹配整个 RE 的约束,子表达式也匹配最长或者最短的字串, 以他们的喜好为基础,在 RE 里开始得早得子表达式得优先级高于开始的晚得。 请注意因此外层的子表达式的优先级高于它们的组件的子表达式。

量词 {1,1}{1,1}? 可以分别用于 在一个子表达式或者整个 RE 上强制最长和最短喜好,

匹配长度是以字符衡量的,而不是集合的元素。一个空字串会被认为比什么都不匹配长。 比如:bb* 匹配 abbbc 的中间三个字符; (week|wee)(night|knights) 匹配 weeknights 的所有十个字符; 而 (.*).* 匹配 abc的时候,圆括弧包围的子表达式 匹配所有三个字符;而如果用 (a*)* 匹配 bc,那么 RE 和圆括弧 子表达式都匹配整个字串。

如果声明了大小写无关的匹配,那么效果就好像把所有字母上的 大小写区别取消了一样。如果一个存在大小写差别的字母以一个 普通字符的形式出现在方括弧表达式外面,那么它实际上被转换成 一个包含大小写的方括弧表达式,也就是说,x 变成 [xX]。 如果它出现在一个方括弧表达式里面,那么它的所有大小写的同族都被加入 方括弧表达式中,也就是说,[x] 变成 [xX], 而 [^x] 变成 [^xX]

如果声明了新行敏感匹配,. 和使用^的方括弧表达式 将永远不会匹配新行字符(这样,匹配就绝对不会夸新行,除非 RE 明确地安排了 这样的情况)并且^$ 除了分别匹配 字串开头和结尾之外,还将分别匹配新行后面和前面 的空字串。但是 ARE 逃逸 \A\Z 仍然匹配字串的开头和结尾。

如果声明了部分新行敏感匹配,那么它影响 . 和方括弧表达式, 这个时候和新行敏感匹配一样,但是不影响 ^$

如果声明了反转新行敏感匹配,那么它影响 ^$, 作用和新行敏感匹配里一样,但是不影响 . 和方括弧表达式。 这个没什么太多用途,只是为了对称提供的。

9.6.3.6. 限制和兼容性

在这个实现里,对 RE 的长度没有特别的限制,但是,那些希望能够 有很好移植行的程序应该避免写超过 256 字节的 RE,因为 POSIX 兼容 的实现可以拒绝接受这样的 RE。

ARE 实际上和 POSIX ERE 不兼容的唯一的特性是在方括弧表达式里 \ 并不 失去它特殊的含义。所有其它 ARE 特性都使用在 POSIX ERE 里面是非法或者是 未定义、未声明效果的语法;指示器的 *** 就是再 POSIX 的 BRE 和 ERE 之外的语法。

许多 ARE 扩展都是从 Perl 那里借来的,但是有些我做了修改,清理了 一下,以及一些Perl里没有出现的扩展。要注意的不兼容包括 \b\B,对结尾的新行缺乏特别的处理,对那些新行敏感匹配的附加的 补齐方括弧表达式,在前瞻约束里对圆括弧和方括弧引用的限制,以及最长/最短 匹配(而不是第一匹配)语义。

PostgreSQL 7.4 之前的版本里的 ARE 和 ERE 存在两个非常 显著的不兼容:

  • 在 ARE 里,后面跟着一个字母数字的 \ 要么是一个逃逸,要么是错误, 但是在以前的版本里,她只是写那个字母数字的另外一种方法。这个应该不是什么问题, 因为在以前的版本里没有什么原因让我们写这样的序列。

  • 在 ARE 里,\[]里还是一个特殊字符, 因此在方括弧表达式里的一个文本 \ 必须写成 \\

虽然这些区别对大多数应用都来说都可能不是问题, 但必要时你可以通过设置 regex_flavorextended 来避免这些问题。

9.6.3.7. 基本正则表达式

BRE 在几个方面和 ERE 不太一样。|+,和 ? 都是普通字符,它们没有等效的功能替换。范围的分隔符是 \{\}, 因为 {} 本身是普通字符。嵌套的子表达式的圆括弧是 \(\),因为 () 自身是普通字符。 除非在 RE 开头或者是圆括弧封装的子表达式开头,^ 都是普通字符, 除非在 RE 结尾或者是圆括弧封装的子表达式的结尾,$ 是一个普通字符, 而如果 * 出现在 RE 开头或者是圆括弧封装的子表达式开头 (前面可能有 ^ ),那么它是个普通字符。 最后,可以用单数字的后引用,以及 \<\> 分别是 [[:<:]][[:>:]]的同义词;没有其它的逃逸。