数据库中字符串匹配函数like、rlike、instr、regexp_extract

instr

简介

MySQL、hive中函数，instr(str,substr,position,occurrence)

其中str代表从哪个字符串中搜索，substr代表搜索哪个子字符串，返回值为子字符串在原字符串中的位置，若不存在则返回0；position为开始计数位置，occurrence代表输出第几次出现的子字符串。如instr('helloworld','o',1,2)，则代表从左往右数第1位开始计算，'helloworld'字符串中第2次出现子字符串'o'的位置

应用：

select * from test where instr(index,'o') > 0;

like

简介

MySQL、hive中函数，使用通配符进行匹配，常用的通配符有'%'，'_'，其中'%'可以匹配0到多个字符，而'_'只能匹配一个字符。like函数默认不区分大小写，若需要区分则在like后加上binary。否定形式为A NOT LIKE B

用法

select * from test where index like '%o%';

rlike

hive中函数，使用正则进行匹配，否定形式为A NOT RLIKE B

select "11111112222123333" rlike  "^12"  

regexp_extract

简介

regexp_extract(string subject, string pattern, int index) ，将字符串subject按照pattern正则表达式的规则拆分，返回index指定的字符。

index中，0表示把整个正则表达式对应的结果全部返回，n表示返回正则表达式中第n个() 对应的结果。

总结

1. like是从头开始匹配，是全部匹配，而rlike可以从任意部位开始匹配；
2. like的匹配法则是通配符，而rlike是正则表达式；
3. instr是一个函数，可以建立函数索引，如果过滤的条件有索引，那么instr就可以提高性能；
4. like运算符要对字段数据进行逐一扫描匹配，实际执行的效率是较差的，哪怕该字段已经建有索引（a% 这种方式会用到索引）。当数据量较大时，要尽可能的减少like 运算符的使用，也没有太多优化的余地，建议使用instr函数；
5.  like查询时，以'%'开头，列所加的索引是不起作用的。