Skip to main content
7 de 9
se añadieron 73 caracteres en el cuerpo
Mariano
  • 24.5k
  • 20
  • 76
  • 105

Buscamos que coincida con un punto, seguido de cualquier cantidad de caracteres no alfabéticos, y 1 minúscula:

\.[^A-Za-z]*[a-z]

Al pasarlo como string en una consulta, el intérprete de MySQL interpreta las barras, por lo que se deben escapar:

select campo
  from tabla
 where campo regexp '\\.[^A-Za-z]*[a-z]'
  • Y si estamos en un lenguaje como Java, que no tiene literales de string, hay que escaparlas de nuevo: \\\\.!!!

Intercalación cuando está en utf8_general_ci

El campo podría estar usando un collate (intercalación) que ignora mayúsculas y minúsculas, haciendo que el anterior no funcione. Podría estar definido para el campo, la tabla, la base de datos o la conexión. Si el campo está usando un collate como utf8_general_ci, latin1_general_ci, o similar, cualquier comparación de texto ignora mayúsculas/minúsculas (ci es "case insensitive").

Para solucionarlo, lo mejor sería cambiar el collate de la tabla (o de la base o del campo), o generar un nuevo campo_busqueda que esté con collate 'latin1_general_cs' o collate 'utf8_bin', entre otros. Sin embargo, si sólo queremos aplicarlo a esta consulta, lo aplicamos así:

  1. where campo collate 'latin1_general_cs' regexp '\\.[^A-Za-z]*[a-z]', o
  2. where campo collate 'utf8_bin' regexp '\\.[^A-Za-z]*[a-z]'

Con tags HTML en el medio

Creo que la opción más sana es eliminar los tags antes de aplicar el regex. Ver por ejemplo en Remove HTML tags from record.

Con regex también es fácil, sólo se hace una expresión más larga.

where campo regexp '\\.[^<A-Za-z]*(<[^>]*>[^<A-Za-z]*)*[a-z]'
  • [^<A-Za-z]* coincide con todo lo que esté antes de un < o un caracter alfabético.
  • (<[^>]*>[^<A-Za-z]*)* es un loop, que coincide con:
  • <[^>]*> un tag HTML (sin validar cosas raras)
  • [^<A-Za-z]* más caracteres que no sean un < o un caracter alfabético.
  • [a-z] finalmente la letra minúscula.

Ahora bien, ese punto seguido de una minúscula podría estar dentro de un tag HTML, por ejemplo en ``. Para evitar eso, seguimos complicando, buscamos que coincida desde el inicio del texto, consumiendo todos los tags y todo el texto que no sea un tag, hasta encontrar que coincida con el patron de recién:
select *
  from tabla
 where campo collate 'utf8_bin'
             regexp '^[^<]*(<[^>]*>[^<]*)*\\.[^<A-Za-z]*(<[^>]*>[^<A-Za-z]*)*[a-z]'
  • ^ anclado al inicio del texto.
  • [^<]*(<[^>]*>[^<]*)* consumir caracteres que no son tags, o tags completos seguidos de caracteres que no son tags (misma lógica que en el anterior).
  • \\.[^<A-Za-z]*(<[^>]*>[^<A-Za-z]*)*[a-z] el patrón para el punto seguido de minúsculas.

Demo: http://sqlfiddle.com/#!9/a6d64/1/0

Con acentos o ñ

Veamos el caso para coincidir con fin. éste y no con . Árbol.

  • Para latin1_general_cs es sencillo, usamos las clases POSIX [:alpha:], [:lower:] y [:upper:]:

      where campo regexp '\\.[^[:alpha:]]*[[:lower:]]'
    

    Aplicado en el regex que ignora tags HTML:

      where campo collate 'latin1_general_cs'
                  regexp '^[^<]*(<[^>]*>[^<]*)*\\.[^<[:alpha:]]*(<[^>]*>[^<[:alpha:]]*)*[[:lower:]]'
    

    Demo: http://sqlfiddle.com/#!9/44604/1/0


  • Para utf8_bin se complica en serio, porque el operador regexp toma cada caracter como 1 byte, por lo tanto no podemos usar algo como [a-záéíóúüñ]. No tengo una solución completa a este problema. Sin embargo, se puede usar:

      where campo regexp '\\.[^A-ZÁÜÑa-záüñ]*([a-z]|á|é|í|ó|ú|ü|ñ)'
    

    que coincide con acentos, y funciona bien para la mayoría de los casos, pero podría dar falsos negativos con algunos diacríticos entre el punto y la minúscula.

    Y el regex completo:

       where campo collate 'utf8_bin'
       regexp '^[^<]*(<[^>]*>[^<]*)*\\.[^<A-ZÁÜÑa-záüñ]*(<[^>]*>[^<A-ZÁÜÑa-záüñ]*)*([a-z]|á|é|í|ó|ú|ü|ñ)'
    

    Demo: http://sqlfiddle.com/#!9/de46ba/1/0


    Para un caso completamente funcional, creo que la mejor opción es usar una librería como [LIB_MYSQLUDF_PREG][2] que usa a PCRE (el mismo motor y la misma sintaxis que en PHP). Y en la consulta SQL llamarlo con `PREG_RLIKE('/regex/i', texto)`.
Mariano
  • 24.5k
  • 20
  • 76
  • 105