使用regex-unicode的mysql查询

mysql query with regex unicode

本文关键字：查询 mysql regex-unicode 使用      更新时间：2023-09-26

我想做一个mysql查询来捕获：أرأء

该字符أ可以键入为：（أ或إ或ا或آ）

所以当类型：

$SQL=" select * from work where title REGEX '[''u0622|''u0623|''u0625|''u0627][''u0631][''u0622|''u0623|''u0625|''u0627][''u0621]"

它不起作用，我认为语法不好

MySQL没有''u转义。尝试在查询字符串中包含原始Unicode字符，并通过utf8连接将其传递给MySQL。如何做到这一点取决于您使用何种语言和连接器与MySQL进行对话。最好是在参数中传递模式字符串，该参数来自您的语言的本地Unicode字符串类型（如果您有）；例如，在Python MySQLdb中，我只能做：

group= u'[أإاآ]'
pattern= u'%sر%sء' % (chars, chars)
connection.execute('SELECT * FROM work WHERE title REGEX %s', [pattern])

（nb正则表达式字符组中不需要管道字符）

如果你真的根本无法连接Unicode，MySQL确实有一个非标准的二进制字符串转义，你可以使用它通过另一种编码来获取字符：

WHERE title REGEX 0x5bd8a3d8a5d8a7d8a25dd8b15bd8a3d8a5d8a7d8a25dd8a1 AS utf8  - hex-encoded UTF-8 encoded string

通常，您希望避免使用REGEX，因为这意味着title列上的任何索引都将无效，并且将强制进行全表搜索。

一种替代方案是执行WHERE title IN，列出与表达式匹配的所有16个可能字符串。

（最具性能的方法是使用数据库排序规则，该规则已经将所有四个字符视为相等。不过，我不知道有哪个排序规则与之匹配。）

Alef这4个变体的utf8是D8A3 D8A5 D8A7 D8A2。所以，

WHERE HEX(title) REGEXP '^(..)*D8(A3|A5|A7|A2)'

将检查是否存在它们中的任何一个。

^(..)*匹配title开头的任意数量的字符对（在本例中为十六进制），然后查找这些2字节utf8代码中的任何一个。

这可能就是你所追求的：

$SQL=" select * from work
    where HEX(title)
        REGEX '^(..)*D8(A2|A3|A5|A7)D8B1D8(A2|A3|A5|A7)D8A1';

^(..)*是跳过偶数个十六进制字符（以保持对齐）
D8(A2|A3|A5|A7)是用于4个Alef的utf8编码
D8B1用于Reh。

相关文章：