Expresiones regulares

Se aplica a: Databricks SQL Databricks Runtime

Una expresión regular (regex) es un patrón que describe un conjunto de cadenas. Varios Azure Databricks operadores y funciones SQL toman una expresión regular para que coincida, busque, cuente, extraiga, reemplace o divida texto:

• Operador rlike y operador regexp : pruebe si una cadena coincide con un patrón.
• regexp_like función: pruebe si una cadena coincide con un patrón.
• regexp_count función: cuente cuántas veces coincide un patrón.
• regexp_instr función: devuelve la posición de la primera coincidencia.
• regexp_substr función: devuelve la primera subcadena coincidente.
• regexp_extract y regexp_extract_all funciones: devuelve un grupo de captura de la primera coincidencia o de todas las coincidencias.
• regexp_replace función: reemplace las coincidencias por una cadena de reemplazo.
• función split : divida una cadena alrededor de las coincidencias de un patrón.

Los operadores like e ilikeno usan expresiones regulares. Usan un lenguaje de patrones más sencillo basado en _ y %.

Motor regex

Azure Databricks evalúa expresiones regulares mediante el motor de Javajava.util.regex. Los patrones deben seguir Java sintaxis de expresión regular, que es ampliamente compatible con expresiones regulares de estilo Perl, pero difiere en algunos detalles. Para obtener la referencia completa y autoritativa, consulte la documentación de Java Pattern clase.

En las secciones siguientes se describen las construcciones más usadas.

Clase de caracteres

Delimitadores y límites

Cuantificadores

Los cuantificadores especifican cuántas veces debe coincidir el elemento anterior. De forma predeterminada, los cuantificadores son expansos y coinciden tanto como sea posible. Anexe ? para hacer que un cuantificador sea renuente (coincida lo menos posible), por ejemplo .*?.

Grupos y alternancia

Marcas insertadas

Coloque una marca al principio del patrón para cambiar la coincidencia de todo el patrón.

Por ejemplo, (?i)ste(v\|ph)en coincide con Steven, stevene STEPHEN independientemente del caso.

Literales de escape y cadena

Para que coincida con un carácter que también sea un metacaracter regex (como ., *, (, [o \), preceda a una barra diagonal inversa. Por ejemplo, \. coincide con un punto literal y \\ coincide con una barra diagonal inversa literal.

Dado que una barra diagonal inversa también es el carácter de escape en literales de cadena SQL normales, debe duplicar cada barra diagonal inversa que pretende pasar al motor de expresiones regulares. Por ejemplo, para pasar el patrón \d+ a una función, escríbalo como '\\d+' en un literal de cadena normal.

Para evitar este doble escape, use un raw-literal (r prefijo), que deshabilita el preprocesamiento de caracteres de escape. En un literal sin procesar, escriba el patrón exactamente como el motor regex espera:

-- Regular string literal: backslashes must be doubled.
> SELECT regexp_substr('item 42 in stock', '\\d+');
 42

-- Raw literal: write the pattern as-is.
> SELECT regexp_substr('item 42 in stock', r'\d+');
 42

Patrones comunes

Los siguientes patrones cubren tareas frecuentes. Se escriben como literales sin formato para que las barras diagonales inversas pasen al motor regex sin cambios. Los patrones de correo electrónico, dirección URL e IP son ilustraciones intencionadamente simples, no validadores estrictos.

Word límites (\b) coinciden con un word completo en lugar de una subcadena:

-- 'cat' as a standalone word
> SELECT 'the cat sat on the mat' rlike r'\bcat\b';
 true

-- 'cat' only as part of a larger word
> SELECT 'category' rlike r'\bcat\b';
 false

Combine un prefijo literal con un cuantificador para extraer un token estructurado, como un identificador de pedido:

> SELECT regexp_substr('Ref: ORD-12345 shipped on 2024-03-15', r'ORD-\d+');
 ORD-12345

Elección de la función correcta

Use esta tabla para elegir la función que coincide con el objetivo.

Artículos relacionados

• Operador regexp
• regexp_count Función
• regexp_extract Función
• regexp_extract_all Función
• regexp_instr Función
• regexp_like Función
• regexp_replace Función
• regexp_substr Función
• Operador rlike
• split Función
• STRING tipo