如何用正则筛选含非标准字符的sales表email_address记录？

问题分析 #

原SQL语句存在几个核心错误：

• 正则匹配逻辑错误：!~ '^[xxx]'仅判断字符串不以指定字符开头，而非检查是否包含非法字符；
• 错误排除合规记录：AND email_addr !~ '[[alphanum]]'会剔除所有含字母数字的记录，而合规邮箱必然包含这类字符；
• 字符范围不全：未覆盖带重音的Unicode字母（如á），且漏了允许的特殊字符~和'。

正确SQL语句 #

SELECT *
FROM db.sales
WHERE email_address ~ '[^\p{L}\p{N}~!@#$%^&*()_\-+={}\[\]|:";\'<>,.?/]';

语句说明 #

1. 字符集定义：
   • \p{L}：匹配所有Unicode字母（包括带重音、波浪线的大小写字符，如á、ñ）；
   • \p{N}：匹配所有数字；
   • 后续列出需求中允许的所有特殊字符，注意对正则特殊符号（如-、]）进行转义。
2. 匹配逻辑：
   • 字符集前加^表示取反，整个正则的意思是：字符串中存在任意一个字符不属于允许的范围（即包含表情、数学符号等非标准字符）。

验证案例 #

• 合规记录（不会被筛选）：<testemail123@email.me、'email@email.com、ábc@123.com；
• 非法记录（会被筛选）：test😀@email.com（含表情）、test∑@email.com（含数学符号）。

内容的提问来源于stack exchange，提问作者wcbrown