我想要一个像这样的mysql查询：
select <second word in text> word, count(*) from table group by word;
mysql中的所有正则表达式示例都是用于查询文本是否与表达式匹配，而不是从表达式中提取文本。有这样的语法吗？
以下是针对OP的特定问题（提取字符串的第二个单词）的建议解决方案，但应该注意的是，正如mc0e的答案所述，实际上不支持开箱即用地提取正则表达式匹配在 MySQL 中。如果你确实需要这个，那么你的选择基本上是 1) 在客户端的后处理中进行，或者 2) 安装 MySQL 扩展来支持它。
BenWells 的说法几乎是正确的。根据他的代码，这是一个稍微调整的版本：
SUBSTRING(
sentence,
LOCATE(' ', sentence) + CHAR_LENGTH(' '),
LOCATE(' ', sentence,
( LOCATE(' ', sentence) + 1 ) - ( LOCATE(' ', sentence) + CHAR_LENGTH(' ') )
)
作为一个工作示例，我使用：
SELECT SUBSTRING(
sentence,
LOCATE(' ', sentence) + CHAR_LENGTH(' '),
LOCATE(' ', sentence,
( LOCATE(' ', sentence) + 1 ) - ( LOCATE(' ', sentence) + CHAR_LENGTH(' ') )
) as string
FROM (SELECT 'THIS IS A TEST' AS sentence) temp
这成功提取了单词
IS提取句子中第二个单词的更短选项：
SELECT SUBSTRING_INDEX(SUBSTRING_INDEX('THIS IS A TEST', ' ', 2), ' ', -1) as FoundText
根据 http://dev.mysql.com/ SUBSTRING 函数使用起始位置然后是长度，所以第二个单词的函数肯定是：
SUBSTRING(sentence,LOCATE(' ',sentence),(LOCATE(' ',LOCATE(' ',sentence))-LOCATE(' ',sentence)))
不，没有使用正则表达式提取文本的语法。您必须使用普通的字符串操作函数。
或者从数据库中选择整个值（如果担心数据传输过多，则选择前 n 个字符），然后在客户端上使用正则表达式。
正如其他人所说，mysql不提供用于提取子字符串的正则表达式工具。这并不是说如果您准备使用用户定义的函数扩展 mysql，您就不能拥有它们：
https://github.com/mysqludf/lib_mysqludf_preg
如果您想分发软件，这可能没有多大帮助，因为这会成为安装软件的障碍，但对于内部解决方案来说，这可能是合适的。
我使用 Brendan Bullen 的答案作为我遇到的类似问题的起点，该问题是检索 JSON 字符串中特定字段的值。然而，就像我对他的回答的评论一样，它并不完全准确。如果您的左边界不仅仅是像原始问题中那样的空间，那么差异就会增加。
更正解决方案：
SUBSTRING(
sentence,
LOCATE(' ', sentence) + 1,
LOCATE(' ', sentence, (LOCATE(' ', sentence) + 1)) - LOCATE(' ', sentence) - 1
)
两个区别是 SUBSTRING 索引参数中的 +1 和长度参数中的 -1。
对于“查找两个提供的边界之间字符串的第一次出现”的更通用解决方案：
SUBSTRING(
haystack,
LOCATE('<leftBoundary>', haystack) + CHAR_LENGTH('<leftBoundary>'),
LOCATE(
'<rightBoundary>',
haystack,
LOCATE('<leftBoundary>', haystack) + CHAR_LENGTH('<leftBoundary>')
)
- (LOCATE('<leftBoundary>', haystack) + CHAR_LENGTH('<leftBoundary>'))
)
我认为这样的事情是不可能的。您可以使用
SUBSTRING我的自制正则表达式替换功能可以用于此目的。
演示
参见 这个 DB-Fiddle 演示，它返回著名十四行诗中的第二个单词（“I”）及其出现次数 (1)。
SQL
假设使用 MySQL 8 或更高版本（以允许使用公用表表达式），以下将返回第二个单词及其出现次数：
WITH cte AS (
SELECT digits.idx,
SUBSTRING_INDEX(SUBSTRING_INDEX(words, '~', digits.idx + 1), '~', -1) word
FROM
(SELECT reg_replace(UPPER(txt),
'[^''’a-zA-Z-]+',
'~',
TRUE,
1,
0) AS words
FROM tbl) delimited
INNER JOIN
(SELECT @row := @row + 1 as idx FROM
(SELECT 0 UNION ALL SELECT 1 UNION ALL SELECT 3 UNION ALL SELECT 4 UNION ALL SELECT 5 UNION ALL SELECT 6 UNION ALL SELECT 6 UNION ALL SELECT 7 UNION ALL SELECT 8 UNION ALL SELECT 9) t1,
(SELECT 0 UNION ALL SELECT 1 UNION ALL SELECT 3 UNION ALL SELECT 4 UNION ALL SELECT 5 UNION ALL SELECT 6 UNION ALL SELECT 6 UNION ALL SELECT 7 UNION ALL SELECT 8 UNION ALL SELECT 9) t2,
(SELECT 0 UNION ALL SELECT 1 UNION ALL SELECT 3 UNION ALL SELECT 4 UNION ALL SELECT 5 UNION ALL SELECT 6 UNION ALL SELECT 6 UNION ALL SELECT 7 UNION ALL SELECT 8 UNION ALL SELECT 9) t3,
(SELECT 0 UNION ALL SELECT 1 UNION ALL SELECT 3 UNION ALL SELECT 4 UNION ALL SELECT 5 UNION ALL SELECT 6 UNION ALL SELECT 6 UNION ALL SELECT 7 UNION ALL SELECT 8 UNION ALL SELECT 9) t4,
(SELECT @row := -1) t5) digits
ON LENGTH(REPLACE(words, '~' , '')) <= LENGTH(words) - digits.idx)
SELECT c.word,
subq.occurrences
FROM cte c
LEFT JOIN (
SELECT word,
COUNT(*) AS occurrences
FROM cte
GROUP BY word
) subq
ON c.word = subq.word
WHERE idx = 1; /* idx is zero-based so 1 here gets the second word */
解释
上面的 SQL 中使用了一些技巧，并且需要一些认证。首先，正则表达式替换器用于替换所有连续的非单词字符块 - 每个块都被单个 tilda (
~这个答案中的技术将具有分隔值的字符串转换为单独的行值。它与这个答案中的巧妙技术相结合，用于生成一个由递增数字序列组成的表：在本例中为 0 - 10,000。
"- DE-HEB 20% - DTopTen 1.2%"
SELECT ....
SUBSTRING_INDEX(SUBSTRING_INDEX(DesctosAplicados, 'DE-HEB ', -1), '-', 1) DE-HEB ,
SUBSTRING_INDEX(SUBSTRING_INDEX(DesctosAplicados, 'DTopTen ', -1), '-', 1) DTopTen ,
FROM TABLA
结果是：
DE-HEB DTopTEn
20% 1.2%