在Fabric Data Warehouse中使用正则表达式函数

适用于：✅ Microsoft Fabric 中的 SQL 分析终结点和仓库

正则表达式（正则表达式）函数可以让你匹配复杂的文本模式，并在 T-SQL 查询中直接操作字符串数据。用它们验证格式、从半结构化文本中提取值、计数模式出现次数，以及清理或屏蔽数据而无需将其移出仓库。

注释

正则表达式目前处于预览阶段。

Warehouse 和 SQL 分析端点支持标量正则表达式函数。这些函数每个输入行返回一个值，因此你可以在 SELECT 列表、WHERE、JOIN、GROUP BY、ORDER BY 和 CASE 表达式中使用它们。

注释

仓库中仅支持标量正则表达式函数。表值函数 REGEXP_MATCHES 和 REGEXP_SPLIT_TO_TABLE 不被支持。

支持的函数

函数	返回类型	Description
REGEXP_LIKE	布尔	表示文本输入是否符合正则表达式模式。将其用作谓词，例如在 `WHERE` 子句或 `CASE` 表达式中。
REGEXP_REPLACE	字符串表达式	返回源字符串，将其中与正则表达式模式匹配的内容替换为替换字符串。如果没有匹配，返回原始字符串。
REGEXP_SUBSTR	字符串表达式	返回第 n次与正则表达式模式匹配的子串。
REGEXP_INSTR	`int`	返回匹配子串的起始或结束位置。
REGEXP_COUNT	`int`	返回正则表达式模式在字符串中出现的次数。

Syntax

REGEXP_LIKE ( string_expression, pattern_expression [ , flags ] )

REGEXP_REPLACE ( string_expression, pattern_expression [ , string_replacement [ , start [ , occurrence [ , flags ] ] ] ] )

REGEXP_SUBSTR ( string_expression, pattern_expression [ , start [ , occurrence [ , flags [ , group ] ] ] ] )

REGEXP_INSTR ( string_expression, pattern_expression [ , start [ , occurrence [ , return_option [ , flags [ , group ] ] ] ] ] )

REGEXP_COUNT ( string_expression, pattern_expression [ , start [ , flags ] ] )

关于每个参数的完整描述，请参见支持函数中的链接函数参考。

Flags

可选 flags 参数是最长 30 个字符的 char 或 varchar 值，用于设置匹配的修饰符。如果你提供相互矛盾的标志，最后一个生效。例如，会产生 'ic' 大小写相关的匹配。

Flag	Description
`c`	区分大小写的匹配。这是默认值。
`i`	不区分大小写的匹配。
`m`	多行模式：`^` 和 `$` 都匹配每行的开头和结尾，以及文本的开头和结尾。
`s`	我们匹配 `.` 换行字符 `\n`。

Considerations

该 string_expression 参数接受字符字符串类型。最大为 2 MB 的大值（varchar(max)）受支持。
该 pattern_expression 参数支持最大长度为8,000字节。
正则表达式函数不遵守排序规则。匹配可能与其他字符串比较不同，如 LIKE。为了控制大小写敏感性，使用 i 和 c 标志，而不是依赖列排序规则。有关详细信息，请参阅数据仓库排序规则。
REGEXP_LIKE 返回布尔值，不能直接以列形式返回。要将结果作为一列返回，可以用 CASE 表达式包裹。

示例

以下示例使用一个小型内联数据集，因此你可以在任何仓库或SQL分析端点中运行。

A. 筛选与某个模式匹配的行

在REGEXP_LIKE子句中使用WHERE，以仅返回具有有效电子邮件地址格式的行。

SELECT CustomerId, Email
FROM (VALUES
        (1, 'anna@contoso.com'),
        (2, 'not-an-email'),
        (3, 'Bob.Smith@Fabrikam.org')
     ) AS c (CustomerId, Email)
WHERE REGEXP_LIKE(Email, '^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}$');

要以列形式返回匹配结果，可以将 REGEXP_LIKE 包装在一个 CASE 表达式中：

SELECT Email,
       CASE WHEN REGEXP_LIKE(Email, '@contoso\.com$', 'i') THEN 'Internal' ELSE 'External' END AS EmailType
FROM (VALUES ('anna@CONTOSO.com'), ('bob@fabrikam.org')) AS c (Email);

B. 从文本中提取一个值

使用 REGEXP_SUBSTR 从自由文本注释中提取格式为 ORD- 后跟数字的第一个订单号。

SELECT Comment,
       REGEXP_SUBSTR(Comment, 'ORD-\d+') AS OrderNumber
FROM (VALUES
        ('Customer called about ORD-10293 and ORD-10311.'),
        ('No order referenced.')
     ) AS t (Comment);

如果只提取部分匹配内容，可以使用捕获组。以下查询返回每个电子邮件地址的域名：

SELECT REGEXP_SUBSTR(Email, '@(.+)$', 1, 1, 'c', 1) AS EmailDomain
FROM (VALUES ('anna@contoso.com'), ('bob@fabrikam.org')) AS c (Email);

C. 统计模式出现次数

使用 REGEXP_COUNT 来计算每个字符串中出现的数字数量。

SELECT Comment,
       REGEXP_COUNT(Comment, '\d+') AS NumberCount
FROM (VALUES
        ('Shipped 3 boxes on 12 May, invoice 4471.'),
        ('No numbers here.')
     ) AS t (Comment);

D. 找到匹配的位置

使用 REGEXP_INSTR 查找第一组数字的起始位置和结束位置。

SELECT ProductCode,
       REGEXP_INSTR(ProductCode, '\d+')             AS FirstDigitStart,
       REGEXP_INSTR(ProductCode, '\d+', 1, 1, 1)    AS FirstDigitEnd
FROM (VALUES ('BK-R93R-62'), ('HL-U509')) AS p (ProductCode);

E. 清理和掩蔽数据

用 REGEXP_REPLACE 使用捕获组来标准化电话号码，并遮蔽除最后四位数字外的所有数字。

SELECT Phone,
       REGEXP_REPLACE(Phone, '^(\d{3})-(\d{3})-(\d{4})$', '(\1) \2-\3') AS FormattedPhone,
       REGEXP_REPLACE(Phone, '^\d{3}-\d{3}', '***-***')               AS MaskedPhone
FROM (VALUES ('425-555-0187'), ('206-555-0142')) AS c (Phone);

以下查询将重复的空白压缩为一个空白：

SELECT REGEXP_REPLACE('Fabric    Data   Warehouse', '\s+', ' ') AS CleanText;

F. 按提取值进行分组和聚合

由于函数是标量的，你可以将它们用于 GROUP BY 子句。以下查询是按电子邮件域名计算客户数量。

SELECT LOWER(REGEXP_SUBSTR(Email, '@(.+)$', 1, 1, 'c', 1)) AS EmailDomain,
       COUNT(*) AS Customers
FROM (VALUES
        ('anna@contoso.com'),
        ('bob@Contoso.com'),
        ('chris@fabrikam.org')
     ) AS c (Email)
GROUP BY LOWER(REGEXP_SUBSTR(Email, '@(.+)$', 1, 1, 'c', 1));

反馈

此页面是否有帮助？

上次更新时间为 2026-10-16