regexp_extract 正则表达式过滤

网址1：http://blog.sina.com.cn/s/blog_a18b33080102wsdw.html

网址2：http://blog.csdn.net/jv_rookie/article/details/55211955

网址3：http://www.bkjia.com/yjs/858911.html

网址4：http://superlxw1234.iteye.com/blog/1751216

网址5：http://blog.csdn.net/longshenlmj/article/details/49027145

网址6：http://blog.sina.com.cn/s/blog_6ff05a2c0100voxd.html

网址7：http://www.178linux.com/768

函数描述:

regexp_extract(str,regexp[,idx]) - extracts a group that matches regexp

字符串正则表达式解析函数。

-- 这个函数有点类似于 substring(str from 'regexp') ..

参数解释:

其中：

str是被解析的字符串

regexp 是正则表达式

idx是返回结果 取表达式的哪一部分 默认值为1。

0表示把整个正则表达式对应的结果全部返回

1表示返回正则表达式中第一个() 对应的结果 以此类推

注意点：

要注意的是idx的数字不能大于表达式中()的个数。

​实例：从表名DW_DM_LTE_USER_AGENT的表中，将user_agent字段中含有的iPhone手机版本信息大于9.2.1的信息提取出来，提取之后的结果为user_agent_new字段，如下：

​上图的提取规则是：

含有iPhone（P可以是大写或小写）；

iphone后为OS或iOS;

OS后为版本信息，有三个数字组成，中间可以用_或者.链接，且版本信息大于等于.2.1；

​下面来看一下正则表达式的写法：

select city_code,imsi,imei,user_agent,

REGEXP_EXTRACT(user_agent,'((iPhone|iphone).*[OS].(9|1[0-9])[_|\.][2-9]{1} [_|\.][1-9]{1})',0) user_agent_new

from DW_DM_LTE_USER_AGENT

将每一项提取规则进行分解如下：

​含有iPhone（P可以是大写或小写）：

​(iPhone|iphone)

​iphone后为OS或iOS：

​.*[OS]：这里.是另一个元字符，匹配除了换行符以外的任意字符。*同样是元字符，不过它代表的不是字符，也不是位置，而是数量——它指定*前边的内容可以连续重复使用任意次以使整个表达式得到匹配。因此，.*连在一起就意味着任意数量的不包含换行的字符。

​OS后为版本信息，有三个数字组成，中间可以用_或者.链接，且版本信息大于等于9.2.1：

(9|1[0-9])：第一位数字版本信息大于等于9，|代表的含义是或，[0-9]代表0-9之间的任何一位数据，1[0-9]代表大于等于10的版本

[_|\.]：中间可以用_或者.链接

[2-9]{1} ：版本的第二位数字，2-9之间的任何一位数据

[1-9]{1})：版本的第三位位数字，1-9之间的任何一位数据

​所以最终的正则表达式结果就是：

​(iPhone|iphone).*[OS].(9|1[0-9])[_|\.][2-9]{1} [_|\.][1-9]{1}