MongoDB正则表达式及应用

正则表达式常用来在所有语言中搜索字符串的任何模式或文字。MongoDB还提供了正则表达式功能的字符串模式使用正则表达式$regex操作符。MongoDB使用PCRE(Perl兼容正则表达式)为正则表达式语言。

不同于文本搜索，我们不需要做任何配置或命令就能直接使用正则表达式。

考虑下包含文字后其标签的帖子集合，文档结构如以下：

{
 "post_text": "enjoy the mongodb articles on yiibai",
 "tags": [
  "mongodb",
  "yiibai"
 ]
}

使用正则表达式表达

下面的正则表达式查询搜索所有包含字符串 yiibai.com 的帖子：

代码如下:
>db.posts.find({post_text:{$regex:"yiibai.com"}})

同样的查询也可以写为：

>db.posts.find({post_text:/yiibai.com/})

使用正则表达式不区分大小写

为了使搜索不区分大小写，我们使用$options 带有值参数 $i。下面的命令会搜索字符串：yiibai.com，不论大小写：

代码如下:
>db.posts.find({post_text:{$regex:"yiibai",$options:"$i"}})

该查询重新调整的结果是：其中在大小下包含词语 yiibai 文档，如以下：

{
 "_id" : ObjectId("53493d37d852429c10000004"),
 "post_text" : "hey! this is my post on Yiibai", 
 "tags" : [ "yiibai" ]
} 

使用正则表达式的数组元素：

我们还可以使用数组字段正则表达式概念。 这时候我们实现标签的功能显得尤为重要。 所以，如果想要搜索带有标签以词组tutorial开始所有的帖子(无论是tutorial或tutorials或tutorialjava或tutorialphp)，都可以使用下面的代码：

代码如下:
>db.posts.find({tags:{$regex:"tutorial"}})

优化正则表达式查询：

如果文档字段已被索引，查询将使用使用索引值的匹配正则表达式。 这使得搜索非常快，正则表达式相对于扫描整个集合。

如果正则表达式是一个前缀表达式，所有的匹配是以某一串字符开始。例如，如果正则表达式 ^tut, 查询有只搜索那些开始串 tut.

mongodb正则表达式应用

mongodb中完全支持正则表达式，一般查询中可以使用操作符$regex

db.lnmopy.find( { 'name': /*.lnmopy.com/i } )
db.lnmopy.find( { 'name': { $regex: '*.lnmopy.com', $options: 'i' } } )

以上两种完全等价，可以直接对域（field）即上例中的'name'键，使用正则表达式或者使用操作符，可选项目是i，即忽略大小写。
关于正则可选项，mongodb和其他语言标准正则稍有不同，有自己的标准。

$options的可选值

i 忽略大小写；

m 多行查找，如果内容里面不存在换行符号（例如 \n）或者构造上没有（start/end），该选项没有任何效果；
x 空白字符除了被转义的或在字符类中的以外完全被忽略，在未转义的字符类之外的 # 以及下一个换行符之间的所有字符，包括两头，也都被忽略；

s 圆点元字符（.）匹配所有的字符，包括换行符

假设我们有一个数据库名为mongoDemo

use mongoDemo

数据库中有个集合名为lnmopy

db.lnmopy.find()

有如下数据：

{ "_id" : ObjectId("502dd63d16a25b1ff6000000"), "name" : "www.lnmopy.com", "site" : "website", "tag" : "l,n,m,o,p,y"}
{ "_id" : ObjectId("502dd63d16a25b1ff6000000"), "name" : "demo.lnmopy.com", "site" : "unknown", "tag" : "d,e,m,o"}
{ "_id" : ObjectId("502dd63d16a25b1ff6000000"), "name" : "welcome.lnmopy.com", "site" : "website", "tag" : "w,e,l,c,o,m,e"}

mongodb的正则表达式仅支持i和m的javascript原生写法（如/*.lnmopy.com/i）。如果要是用x和s选项就必须使用“$regex”操作符并在“$options”中指定选项。

使用正则表达式的更新操作：

db.lnmopy.update( { 'name': /*.lnmopy.com/i }, { $set: { 'site':'www.lnmopy.com' } } )；

意思是，查找当前数据库中名为“lnmopy”的集合中“name”字段符合“/*.lnmopy.com/i”正则的条目，并只将“site”字段更新为“www.lnmopy.com”，该条更新语句仅更新一条数据，如果不是用$set，那么这条记录就会只剩下你更新的部分和默认的ObjectId，可以说是替换了。如果想替换所有，可以加入参数：

db.lnmopy.update( { 'name': /*.lnmopy.com/i }, { $set: { 'site':'www.lnmopy.com' } } , false, true)；

参数有顺序，false是upsert，如果没有就插入新的。true就是multi多条记录更新，所有匹配到的结果。或者直接指定{ multi: true }：
db.lnmopy.update( { 'name': /*.lnmopy.com/i }, { $set: { 'site':'www.lnmopy.com' } } , { multi: true })；
这样就把所有的“site”字段全都更新为“www.lnmopy.com”了。

我设计的字段“tag”有个缺陷，就是本来是一个单词，现在每个字母都被“，“分隔开了。实际工作中也存在类似问题，由于批量转换数据，或者其他程序操作不当，或者业务需求更改等等原因需要对某些字段进行正则批量处理，mongodb的一般更新方法是不能实现的，这时就需要使用javascript语句。

正则表达式替换查询结果中'，'为”

db.lnmopy.find().forEach( function(u) { u.tag = u.tag.replace(/\,/, ""); db.lnmopy.save(u); } );

最后执行

db.lnmopy.find()

显示如下数据：

{ "_id" : ObjectId("502dd63d16a25b1ff6000000"), "name" : "www.lnmopy.com", "site" : "www.lnmopy.com", "tag" : "lnmopy"}
{ "_id" : ObjectId("502dd63d16a25b1ff6000000"), "name" : "demo.lnmopy.com", "site" : "www.lnmopy.com", "tag" : "demo"}
{ "_id" : ObjectId("502dd63d16a25b1ff6000000"), "name" : "welcome.lnmopy.com", "site" : "www.lnmopy.com", "tag" : "welcome"}

后记：javascript是mongodb的一大特色，也是优势，很多复杂的查询和处理都可以用javascript实现，要注意的是，javascript的工作效率较低，原则上应该尽量避免在主要业务逻辑中大量使用。类比的讲，javascript就相当于oracle的存储过程，介于10gen（mongodb的开发团队）是由oracle出来的这点，就一点也不奇怪了。关于如何使用更复杂的javascript，以后会写到。