Informix 12.10中CLOB正则表达式查询报错问题求助

问题背景 #

在Windows服务器的Informix 12.10环境中，对包含CLOB列的attachments表执行POSIX单词边界正则匹配时遇到异常：

• 使用[[:<:]]mark[[:>:]]作为正则表达式时触发URXA1断言错误（报错信息：freezeset: Assert failed in regcomp.c at 1760: expression: cs2->sorted）
• 使用\bmark\b无报错但无匹配结果
• 由于CLOB列限制，无法通过UPPER(clobcol) LIKE '%MARK%'这类常规大小写转换方法实现独立单词匹配需求

表结构如下：

CREATE TABLE attachments (
    name char(15) NOT NULL,
    num integer NOT NULL,
    repnum integer NOT NULL,
    attachmentnum integer NOT NULL,
    mimetype char(126),
    media byte,
    clobcol clob,
    PRIMARY KEY (name,num,repnum,attachmentnum) CONSTRAINT xpkattachments
);

报错原因分析 #

该断言错误是Informix 12.10版本中Henry Spencer正则库在Windows环境下的已知兼容性问题，核心是字符排序规则与正则库的预期不匹配，导致处理CLOB列时触发断言失败。

修复与替代方案 #

方案1：使用非单词字符替代单词边界 #

避开POSIX原生的[[:<:]]/[[:>:]]边界符，改用基于非单词字符的匹配逻辑，同时通过正则标志实现大小写不敏感：

SELECT clobcol, regex_match(clobcol, '(^|[^a-zA-Z0-9])mark([^a-zA-Z0-9]|$)', 3)
FROM attachments
WHERE clobcol IS NOT NULL
  AND regex_match(clobcol, '(^|[^a-zA-Z0-9])mark([^a-zA-Z0-9]|$)', 3);

• (^|[^a-zA-Z0-9])匹配字符串开头或非单词字符，替代左单词边界
• ([^a-zA-Z0-9]|$)匹配非单词字符或字符串结尾，替代右单词边界
• 参数3对应REG_ICASE标志，实现大小写不敏感匹配

方案2：升级Informix版本 #

该正则库兼容性问题在Informix 14.10及后续版本中已被修复，升级到最新稳定版后可直接使用原生POSIX单词边界语法：

SELECT clobcol, regex_match(clobcol, '[[:<:]]mark[[:>:]]', 3)
FROM attachments
WHERE clobcol IS NOT NULL
  AND regex_match(clobcol, '[[:<:]]mark[[:>:]]', 3);

方案3：临时转换CLOB为字符类型（限短内容） #

若无法升级版本，可将CLOB列转换为LVARCHAR类型后再匹配，适用于CLOB内容长度不超过LVARCHAR最大限制的场景：

SELECT clobcol, regex_match(CAST(clobcol AS LVARCHAR(32767)), '[[:<:]]mark[[:>:]]', 3)
FROM attachments
WHERE clobcol IS NOT NULL
  AND regex_match(CAST(clobcol AS LVARCHAR(32767)), '[[:<:]]mark[[:>:]]', 3);

注意：此方法仅适用于CLOB内容长度在LVARCHAR支持范围内的情况，过长内容会被截断导致匹配失效。

内容的提问来源于stack exchange，提问作者Joe McCay