【SQL 模式匹配】如何驗證電子郵箱的合法性？

字符串的模式匹配（pattern matching）是指給定一個模式，然後判斷某個字符串是否滿足該模式。常見的應用包括敏感詞的檢測、身份證校驗、IP 地址驗證等。

本文以驗證電子郵箱的合法性爲例，介紹如何在 SQL 中實現字符串的模式匹配，涉及的數據庫包括 MySQL、Oracle、SQL Server、PostgreSQL 以及 SQLite。下表列出了這些數據庫對於模式匹配的支持情況：

模式匹配	MySQL	Oracle	SQL Server	PostgreSQL	SQLite
LIKE 運算符	✔️	✔️	✔️	✔️	✔️
正則表達式	REGEXP_LIKE()	REGEXP_LIKE()		~

接下來我們詳細討論不同數據庫的具體實現細節。

準備工作

我們首先創建一個測試表，並且生成一些測試數據：

CREATE TABLE test (
  email VARCHAR(50)
);

INSERT INTO test VALUES ('[email protected]');
INSERT INTO test VALUES ('test@qq');
INSERT INTO test VALUES ('[email protected]');
INSERT INTO test VALUES ('[email protected]');
INSERT INTO test VALUES ('me.qq.com');
INSERT INTO test VALUES ('[email protected]');

對於 Web 開發中常見的郵箱地址驗證問題，我們首先需要定義一個合法電子郵箱的規則。電子郵箱一般格式爲：用戶名@域名；以下是一個簡單的規則：

• 以字母或者數字開頭，後面跟一個或者多個字母、數組或特殊字符（ . _ - ）；
• 然後是一個 @ 字符；
• 接着是一個或者多個字母、數組或特殊字符（ . - ）；
• 最後是域名，即 . 以及 2 到 4 個字母。

對於以上規則，使用正則表達式可以描述如下：

^[a-zA-Z0-9]+[a-zA-Z0-9._-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,4}$

簡單說明一下，^ 表示匹配字符串的開頭；[a-zA-Z0-9] 匹配大小寫字母或數字；+ 表示匹配前面的內容一次或多次；. 匹配任何一個字符，\. 匹配點號自身；{2,4} 匹配前面的內容 2 次到 4次；$ 表示字符串的結束。

📝關於正則表達式的詳細介紹，可以參考 GitHub 上的正則表達式教程。

LIKE 運算符

SQL 標準定義了 LIKE運算符，可以用於簡單的模式匹配。其中有兩個特殊的通配符：

• 下劃線（_）匹配一個任意字符；
• 百分號（%）匹配零個或者多個任意字符。

以下語句用於查找以 test 開頭的字符串：

select email
from test
where email like 'test%';

-- MySQL、SQL Server 和 SQLite
email             |
------------------|
[e-mail]       |
test@qq           |
[e-mail]|

-- Oracle 和 PostgreSQL
EMAIL             |
------------------|
test@qq           |
[e-mail]|

從查詢結果可以看出，MySQL、SQL Server 和 SQLite 中的LIKE運算符默認不區分大小寫；Oracle 和 PostgreSQL 中的LIKE運算符默認區分大小寫。

以下示例返回了由 4 個字符加上 @ 符號開始的字符串：

select email
from test
where email like '____@%';
email      |
-----------|
[e-mail]|
test@qq    |
[e-mail]|

另外，NOT LIKE運算符可以進行反向匹配，也就是查找不匹配某個模式的字符串。

轉義字符

由於下劃線和百分號被看作通配符，我們無法判斷某個字符串中是否包含這兩個字符。此時需要用到轉義字符，它的作用就是將隨後的字符看作普通字符，例如：

'60%' like '60!%' escape '!' -- 匹配
'60%' like '60\%' -- 匹配
'60@' like '60!%' escape '!' -- 不匹配

其中，escape 用於指定轉義字符，默認情況下爲反斜槓（\）。

數據庫擴展

除了 SQL 標準中定義的行爲之外，許多數據庫對LIKE運算符進行了擴展：

• MySQL 和 SQLite 允許對數字類型進行模式匹配：10 LIKE '1%'；
• Oracle 提供了LIKEC、LIKE2、LIKE4用於不同字符集的字符匹配；
• SQL Server 支持使用 [ ] 匹配某個範圍內的字符，[^ ] 匹配某個範圍之外的字符；
• PostgreSQL 提供了不區分大小寫的ILIKE運算符；
• SQLite 提供了區分大小寫的編譯選項PRAGMA case_sensitive_like = true;，同時還提供了基於 Unix 文件路徑匹配的 GLOB 運算符。

我們主要來看一下 SQL Server 中的範圍匹配，例如：

-- SQL Server
select email
from test
where email like '[0-9]%';
email           |
----------------|
[e-mail]|

其中，[0-9] 表示任意數字；所以上面的查詢返回了以數字開頭的字符串。同理，'[^0-9]%'匹配不以數字開頭的字符串，%[ace]匹配以 a、c 或者 e 結束的字符串。

LIKE運算符適合簡單的模式匹配。當我們需要匹配複雜的模式時，例如合法的電子郵箱，無法使用LIKE運算符實現。此時，需要使用更強大的正則表達式。

MySQL 正則表達式

MySQL 提供了 REGEXP_LIKE 函數，用於實現正則表達式匹配：

REGEXP_LIKE(expr, pat[, match_type])

如果表達式 expr 匹配模式 pat，該函數返回 1，否則返回 0；如果 expr 或者 pat 爲 NULL，該函數返回 NULL。可選的參數 match_type 可以指定多個額外的匹配選項：

• c：區分大小寫；
• i：不區分大小寫；
• m：多行模式，^ 和 $ 能夠匹配字符串中的行終止符。默認情況下它們只匹配 expr 的開頭和結尾；
• n：字符 . 能夠匹配行終止符。默認情況下 . 遇到行尾將會匹配；
• u：只匹配 Unix 行終止符，只有換行符（\n）能夠匹配 .、^ 以及 $。

我們使用正則表達式實現上文中的電子郵箱校驗：

select email
from test
where regexp_like(email, '^[a-z0-9]+[a-z0-9._-]+@[a-z0-9.-]+\\.[a-z]{2,4}$');
email           |
----------------|
[e-mail]     |
[e-mail]|

查詢結果顯式只有 2 個電子郵箱是合法的。注意，模式中的反斜槓需要寫雙份，因爲 MySQL 使用 C 語言風格的轉義語法。

另外，REGEXP 和 RLIKE 運算符是 REGEXP_LIKE 函數的同義詞：

expr REGEXP pat
expr RLIKE pat

Oracle 正則表達式

Oracle 提供了與 MySQL 類似的 REGEXP_LIKE 函數，用於執行正則表達式匹配：

REGEXP_LIKE(source_char, pattern[, match_param ])

Oracle 中的 REGEXP_LIKE 只能作爲條件使用；如果字符串 source_char 匹配模式 pat 就返回結果；否則不返回結果。可選的參數 match_param 可以指定多個額外的匹配選項：

• c 表示區分大小寫和重音；
• i 表示不區分大小寫和重音；
• n 表示符號 . 能夠匹配換行符（\n）。默認情況下不匹配換行符；
• m 表示多行模式，^ 和 $ 能夠匹配字符串中的任何行的開始和結尾，而不僅僅是整個字符串的開頭和結尾；
• x 表示忽略模式中的空白字符，默認情況下空白字符匹配它們自身。

如果省略 match_param 參數，是否區分大小寫和重音取決於數據的字符集排序規則；同時符號 . 不會匹配換行符，並且字符串 source_char 被看做單行字符串。

對於上文中的電子郵箱校驗，Oracle 中的實現如下：

select email
from test
where regexp_like(email, '^[a-z0-9]+[a-z0-9._-]+@[a-z0-9.-]+\.[a-z]{2,4}$', 'i');
email           |
----------------|
[e-mail]     |
[e-mail]|

選項 i 表示不區分大小寫。

SQL Server 正則表達式

SQL Server 目前沒有提供類似其他數據庫的正則表達式函數或者運算符，可以通過 CLR 編寫自定義函數實現。

PostgreSQL 正則表達式

PostgreSQL 提供了一組相關的正則表達式匹配運算符：

• expr ~ pattern，正則表達式匹配，區分大小寫；
• expr ~* pattern，正則表達式匹配，不區分大小寫；
• expr !~ pattern，不匹配正則表達式，區分大小寫；
• expr !~* pattern，不匹配正則表達式，區分大小寫；

對於電子郵箱的合法性驗證，可以使用以下查詢語句：

select email
from test
where email ~* '^[a-z0-9]+[a-z0-9._-]+@[a-z0-9.-]+\.[a-z]{2,4}$';
email           |
----------------|
[e-mail]     |
[e-mail]|

上例中使用了不區分大小寫的匹配運算符。

另外，PostgreSQL 還提供了一個運算符SIMILAR TO，用於執行一種特殊的 SQL 正則表達式匹配。不過，SQL 標準已經刪除了這個運算符，不推薦使用。

SQLite 正則表達式

SQLite 默認沒有提供了正則表達式匹配的運算符，但是預定義了 X REGEXP Y 運算符接口，它實際上是調用了 regexp(Y,X) 用戶函數。因此，我們可以通過創建一個函數 regexp(Y,X)，例如安裝並加載 sqlite3-pcre 模塊，就可以獲得基於 Perl 的正則表達式。

參考文檔

以下是各種數據庫關於字符串模式匹配的官方文檔，使用時可以參考：

• MySQL 官方文檔；
• Oracle 官方文檔；
• SQL Server 官方文檔；
• PostgreSQL 官方文檔；
• SQLite 官方文檔。

定期更新數據庫領域相關文章，歡迎關注❤️、評論📝、點贊👍！