如何筛选含指定允许字符及指定数量通配符的字符串行？

需求明确 #

要从数据表筛选字符串行，满足两个核心条件：

• 字符串仅包含指定允许字符，最多可包含X个通配符（非允许字符）
• 通配符分两种场景：
  1. 单个通配符仅算一次：不管非允许字符种类，只要总个数≤X就行
  2. 单个通配符可无限复用：非允许字符的不同种类数≤X就行
• 举个例子：允许字符是a、b、c，通配符数量0-2时，预期结果如下：

场景1：非允许字符总个数≤X（单个通配符仅用一次） #

这种场景用替换+长度统计最直观，比写复杂正则好扩展得多。

PostgreSQL实现代码 #

-- 允许字符：a/b/c，最多2个通配符
SELECT id, value
FROM your_table
-- 把所有允许字符替换为空，剩下的就是非允许字符，统计长度判断
WHERE length(REGEXP_REPLACE(value, '[abc]', '', 'gi')) <= 2;

• 扩展方式：直接把[abc]改成你的允许字符集，<=2改成你要的X值即可，无需修改其他逻辑。

场景2：非允许字符种类数≤X（单个通配符可无限用） #

这种需要统计有多少种不同的非允许字符，用CTE+数组去重来实现更清晰。

PostgreSQL实现代码 #

-- 允许字符：a/b/c，最多2种通配符
WITH non_allowed_stats AS (
    SELECT 
        id, 
        value,
        -- 提取所有非允许字符，去重后转成数组
        ARRAY(
            SELECT DISTINCT unnest(regexp_matches(value, '[^abc]', 'gi'))
        ) AS unique_non_allowed
    FROM your_table
)
SELECT id, value
FROM non_allowed_stats
-- 数组长度就是不同非允许字符的数量，NULL表示没有非允许字符（符合0通配符要求）
WHERE array_length(unique_non_allowed, 1) <= 2 OR array_length(unique_non_allowed, 1) IS NULL;

• 扩展方式：修改[^abc]里的允许字符集，调整<=2的X值即可。

可扩展的正则方案（场景1） #

如果偏好正则表达式，也可以写一个能灵活调整X的模式，避免硬编码多分支：

-- 允许字符a/b/c，最多2个通配符
SELECT * FROM your_table
WHERE value ~* '^[abc]*([^abc][abc]*){0,2}$';

• 模式解释：开头是任意数量允许字符，然后是0到2次「一个非允许字符+任意数量允许字符」的组合，最后结尾，覆盖非允许字符在任意位置的情况。
• 扩展方式：把{0,2}改成{0,X}，替换[abc]为你的允许字符集即可。

原方案的问题 #

你之前写的正则^[abc -]*$|^[a-z][abc -]*$|^[abc -]*[a-z]$|^[abc -]*[a-z][abc -]*$存在两个明显问题：

1. 分支重复冗余，要扩展到更大的X值需新增大量分支，完全不具备可扩展性
2. 逻辑错误：用[a-z]匹配通配符，实际应该匹配非允许字符，正确写法是[^abc]

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