在实际业务中，我们常常需要对存储在数据库中的文本数据进行复杂筛选和解析。MySQL 提供了强大的正则表达式函数，可以批量筛选出符合或不符合特定规则的文本数据，避免手动筛查的低效方式。
本篇文章将详细介绍如何使用 REGEXP 、REGEXP_REPLACE 和 REGEXP_LIKE 处理复杂文本匹配需求，通过示例讲解如何高效地筛选手机号、邮箱以及其他格式化文本数据。
一、MySQL 正则表达式函数概览
| 函数 | 说明 | 示例 |
|---|---|---|
| REGEXP | 判断字符串是否匹配正则表达式，返回 1（匹配）或 0（不匹配） |
WHERE email REGEXP '^[a-z0-9._%+-]+@[a-z0-9.-]+' |
| REGEXP_LIKE() | 与 REGEXP 类似，返回 TRUE 或 FALSE |
REGEXP_LIKE(phone, '^1[3-9][0-9]{9}$') |
| REGEXP_REPLACE() | 使用正则表达式替换字符串 | REGEXP_REPLACE(phone, '[^0-9]', '') |
| REGEXP_INSTR() | 返回正则表达式匹配的起始位置 | REGEXP_INSTR(email, '@') |
| REGEXP_SUBSTR() | 提取匹配正则表达式的子字符串 | REGEXP_SUBSTR(email, '[a-z0-9._%+-]+') |
二、实战案例
案例 1：筛选不符合手机号格式的用户
需求描述 ：
在用户管理系统中，需要筛选出手机号格式不符合规则的用户记录。有效的手机号格式：以 1 开头，第二位为 3-9，并且长度为 11 位。
表结构 users
| user_id | name | phone |
|---|---|---|
| 1 | 张三 | 13812345678 |
| 2 | 李四 | 15987654321 |
| 3 | 王五 | 12345678901 |
| 4 | 赵六 | 188-7654-321 |
SQL 实现
sql
SELECT user_id, name, phone
FROM users
WHERE phone NOT REGEXP '^1[3-9][0-9]{9}$';查询结果
| user_id | name | phone |
|---|---|---|
| 3 | 王五 | 12345678901 |
| 4 | 赵六 | 188-7654-321 |
解释：
- 正则表达式解析 ：
^1：以1开头。[3-9]：第二位必须是3-9之间的数字。[0-9]{9}：后续必须是 9 位数字，总长度正好 11 位。
NOT REGEXP反向筛选出不符合规范的手机号记录。
案例 2：批量清洗手机号格式
需求描述 ：
部分用户手机号中包含空格或 - 分隔符，需要批量清洗手机号，确保只保留数字。
SQL 实现
sql
UPDATE users
SET phone = REGEXP_REPLACE(phone, '[^0-9]', '')
WHERE phone REGEXP '[^0-9]';更新后数据
| user_id | name | phone |
|---|---|---|
| 1 | 张三 | 13812345678 |
| 2 | 李四 | 15987654321 |
| 3 | 王五 | 12345678901 |
| 4 | 赵六 | 1887654321 |
解释：
REGEXP_REPLACE()使用正则表达式匹配非数字字符，将其替换为空字符串，实现手机号格式清洗。- 匹配
[0-9]之外的字符，批量去除空格、短横线等分隔符。
案例 3：筛选邮箱格式不正确的用户
需求描述 ：
邮箱地址需要符合标准格式：包含字母、数字、_、.，且必须包含 @ 符号和域名后缀。筛选出格式错误的邮箱记录。
表结构 users
| user_id | name | |
|---|---|---|
| 1 | 张三 | [email protected] |
| 2 | 李四 | lisi@company |
| 3 | 王五 | wangwu.com |
| 4 | 赵六 | [email protected] |
SQL 实现
sql
SELECT user_id, name, email
FROM users
WHERE email NOT REGEXP '^[a-z0-9._%+-]+@[a-z0-9.-]+\\.[a-z]{2,4}$';查询结果
| user_id | name | |
|---|---|---|
| 2 | 李四 | lisi@company |
| 3 | 王五 | wangwu.com |
解释：
- 正则解析 ：
^表示从字符串开始匹配。[a-z0-9._%+-]+匹配邮箱前缀（字母、数字和特殊字符）。@必须包含@符号。[a-z0-9.-]+匹配域名部分。\\.匹配.，双斜杠用于转义。[a-z]{2,4}匹配顶级域名（长度为 2 到 4 个字母）。
案例 4：提取邮箱用户名部分
需求描述 ：
在营销活动中需要提取邮箱地址中 @ 符号之前的用户名部分。
SQL 实现
sql
SELECT user_id, email, REGEXP_SUBSTR(email, '^[^@]+') AS username
FROM users;查询结果
| user_id | username | |
|---|---|---|
| 1 | [email protected] | zhangsan |
| 2 | lisi@company | lisi |
| 3 | wangwu.com | wangwu.com |
| 4 | [email protected] | zhaoliu |
解释：
REGEXP_SUBSTR()提取匹配的子字符串。- 正则表达式
^[^@]+表示从头部开始匹配，直到遇到@符号为止。
三、优化建议与注意事项
1. 索引优化
在正则表达式匹配中，MySQL 不会自动使用索引，如果数据量大，查询可能较慢。可以在清洗数据后，使用普通索引加速查询。
2. 性能提升建议
- 使用正则表达式进行复杂筛选时，可在应用层提前过滤，减少对数据库的压力。
- 定期清洗数据，避免脏数据积累，提升查询和更新效率。
四、总结
- MySQL 提供了强大的正则表达式函数，可以高效筛选和清洗非结构化文本数据。
- 常用的
REGEXP、REGEXP_REPLACE()和REGEXP_LIKE()可以帮助开发者轻松处理手机号、邮箱和其他文本格式化需求。 - 通过正则表达式筛选脏数据，有助于提升数据质量，保障系统稳定运行。