如何用MariaDB的REGEXP_SUBSTR提取wp_posts中图片src链接？

问题说明 #

你当前使用的REGEXP仅用于筛选包含图片src的行，不会提取具体的链接值。要获取每行中所有图片的src地址，需要结合REGEXP_SUBSTR函数，针对单行多匹配的场景还需用递归CTE处理。

解决方案 #

1. 提取每行第一个图片src #

如果只需要每行的首个图片链接，直接调用REGEXP_SUBSTR即可：

SELECT 
    ID,
    post_title,
    REGEXP_SUBSTR(post_content, 'src=["\']([^\'"]+)["\']', 1, 1, 'i', 1) AS first_image_src
FROM wp_posts
WHERE post_content REGEXP 'src=["\']([^\'"]+)["\']';

• 参数解释：
  • 1, 1：从字段第1个字符开始，匹配第1个符合规则的结果
  • 'i'：忽略大小写（可根据你的HTML代码大小写情况选择是否保留）
  • 1：返回正则表达式中第1个捕获组的内容（即括号内的src链接值）

2. 提取每行所有图片src（处理多匹配场景） #

如果单篇文章包含多张图片，需要用递归CTE遍历所有匹配项：

WITH RECURSIVE image_srcs AS (
    SELECT 
        ID,
        post_title,
        post_content,
        1 AS match_num,
        REGEXP_SUBSTR(post_content, 'src=["\']([^\'"]+)["\']', 1, 1, 'i', 1) AS image_src
    FROM wp_posts
    WHERE post_content REGEXP 'src=["\']([^\'"]+)["\']'
    
    UNION ALL
    
    SELECT 
        ID,
        post_title,
        post_content,
        match_num + 1,
        REGEXP_SUBSTR(post_content, 'src=["\']([^\'"]+)["\']', 1, match_num + 1, 'i', 1) AS image_src
    FROM image_srcs
    WHERE image_src IS NOT NULL
)
SELECT ID, post_title, image_src
FROM image_srcs
WHERE image_src IS NOT NULL
ORDER BY ID, match_num;

该查询会递归提取每行的所有图片src，直到没有新的匹配项，最终返回所有行的完整图片链接列表。

正则表达式优化 #

你原有的src=["|\'](.*?)["|\']采用了非贪婪匹配，在MariaDB中更高效的写法是src=["\']([^\'"]+)["\']——直接匹配到下一个引号为止，避免不必要的回溯，提升查询性能。

内容的提问来源于stack exchange，提问作者user5853892