rlike：正则表达式匹配

速查结论

rlike(str, regexp) 是 Spark SQL 中用于正则表达式匹配的函数。当 str 匹配 regexp 正则模式时返回 true，否则返回 false。注意：自 Spark 2.0 起，SQL 解析器中的字符串字面量（包括正则表达式模式）不再进行转义，这与 Spark 1.6 的行为不同。简单字符串模式匹配请使用 LIKE。

语法

rlike(str, regexp)

参数说明

参数	说明
str	待匹配的字符串表达式
regexp	正则表达式字符串，使用 Java 正则表达式语法

返回值：如果 str 匹配 regexp 正则模式，返回 true；否则返回 false。任一参数为 NULL 时返回 NULL。

Since: 1.0.0

示例

基础正则匹配

-- 匹配以 'Spark' 开头的字符串
SELECT rlike('Spark SQL 3.x', '^Spark.*');
-- 结果: true

-- 匹配包含数字的字符串
SELECT rlike('hello123', '.*\\d+.*');
-- 结果: true

-- 不匹配
SELECT rlike('hello', '^\\d+$');
-- 结果: false

Spark 2.0+ 正则转义规则

自 Spark 2.0 起，SQL 解析器中字符串字面量不再进行转义。例如，要匹配 \abc，regexp 的正则表达式应为 ^\\abc$。

-- Spark 2.0+（默认行为）
SELECT rlike('%SystemDrive%\\Users\\John', '%SystemDrive%\\\\Users.*');
-- 结果: true

有一个 SQL 配置项 spark.sql.parser.escapedStringLiterals 可以回退到 Spark 1.6 的字符串字面量解析行为：

-- 启用旧版解析行为
SET spark.sql.parser.escapedStringLiterals=true;

SELECT rlike('%SystemDrive%\Users\John', '%SystemDrive%\\Users.*');
-- 结果: true

-- 恢复默认
SET spark.sql.parser.escapedStringLiterals=false;

rlike vs regexp_like vs like 对比

函数	用途	语法	适用场景
rlike(str, regexp)	正则表达式匹配	Spark SQL	复杂模式匹配，如邮箱、手机号格式校验
regexp_like(str, regexp)	正则表达式匹配	ANSI SQL 标准	与 rlike 功能一致，跨引擎迁移首选
regexp(str, regexp)	正则表达式匹配	Spark SQL 别名	与 rlike 完全等价
LIKE	简单通配符匹配	SQL 标准	仅需 % 和 _ 通配符的简单匹配

-- rlike: 正则匹配（Spark SQL 风格）
SELECT rlike('user@example.com', '^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\\.[A-Za-z]{2,}$');
-- 结果: true

-- regexp_like: 正则匹配（ANSI SQL 标准）
SELECT regexp_like('user@example.com', '^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\\.[A-Za-z]{2,}$');
-- 结果: true

-- LIKE: 简单模式匹配
SELECT 'hello world' LIKE 'hello%';
-- 结果: true

选型建议：

• 简单通配符匹配：用 LIKE，性能更好，可读性更高
• 复杂正则匹配：用 rlike 或 regexp_like
• 跨平台 SQL 兼容：用 regexp_like

常见报错与避坑指南

正则转义符混淆

这是最常见的错误：搞不清反斜杠在 SQL 字符串和正则表达式中的双重转义。

-- 错误写法：匹配数字用了 \d，但 SQL 中反斜杠需要转义
SELECT rlike('abc123', '\d+');
-- Spark 2.0+ 中，\d 被当作普通字符 d，不会匹配数字

-- 正确写法：在 Spark 2.0+ 中，正则中的反斜杠需要写两次
SELECT rlike('abc123', '\\d+');
-- 结果: true

正则中的特殊字符未转义

正则表达式中的特殊字符（如 .、*、+、?、|、(、)、[、]）在需要匹配字面值时必须转义。

-- 错误写法：. 匹配任意字符，也会匹配到 '1.5'
SELECT rlike('1.5', '1.5');
-- 结果可能为 true，但也会匹配 '1X5'、'1a5' 等

-- 正确写法：用 \\. 转义点号，使其只匹配字面的点
SELECT rlike('1.5', '1\\.5');
-- 结果: true（只匹配数字.数字）

📱关注公众号

「数据仓库技术」文章同步更新，不错过每一篇干货

💬加群交流

备注「数据仓库技术」加入社群，每日一道大厂SQL真题