PostgreSQL LIKE 子句

在 PostgreSQL 数据库中，我们如果要获取包含某些字符的数据，可以使用 LIKE 子句。

在 LIKE 子句中，通常与通配符结合使用，通配符表示任意字符，在 PostgreSQL 中，主要有以下两种通配符：

  • 百分号 %
  • 下划线 _

如果没有使用以上两种通配符，LIKE 子句和等号 = 得到的结果是一样的。

语法

以下是使用 LIKE 子句搭配百分号 % 和下划线 _ 从数据库中获取数据的通用语法： 

									SELECT FROM table_name WHERE column LIKE 'XXXX%';
或者
SELECT FROM table_name WHERE column LIKE '%XXXX%';
或者
SELECT FROM table_name WHERE column LIKE 'XXXX_';
或者
SELECT FROM table_name WHERE column LIKE '_XXXX';
或者
SELECT FROM table_name WHERE column LIKE '_XXXX_';

你可以在 WHERE 子句中指定任何条件。

你可以使用 AND 或者 OR 指定一个或多个条件。

XXXX 可以是任何数字或者字符。

实例

下面是 LIKE 语句中演示了 % 和 _ 的一些差别:

实例 描述
WHERE SALARY::text LIKE '200%' 找出 SALARY 字段中以 200 开头的数据。
WHERE SALARY::text LIKE '%200%' 找出 SALARY 字段中含有 200 字符的数据。
WHERE SALARY::text LIKE '_00%' 找出 SALARY 字段中在第二和第三个位置上有 00 的数据。
WHERE SALARY::text LIKE '2_%_%' 找出 SALARY 字段中以 2 开头的字符长度大于 3 的数据。
WHERE SALARY::text LIKE '%2' 找出 SALARY 字段中以 2 结尾的数据
WHERE SALARY::text LIKE '_2%3' 找出 SALARY 字段中 2 在第二个位置上并且以 3 结尾的数据
WHERE SALARY::text LIKE '2___3' 找出 SALARY 字段中以 2 开头，3 结尾并且是 5 位数的数据

在 PostgreSQL 中，LIKE 子句是只能用于对字符进行比较，因此在上面例子中，我们要将整型数据类型转化为字符串数据类型。

创建 COMPANY 表（下载 COMPANY SQL 文件 ），数据内容如下： 

									yssmxdb# select * from COMPANY;
 id_name _age_address  _salary
----+-------+-----+-----------+--------
  1_Paul _ 32_California|  20000
  2_Allen_ 25_Texas    _ 15000
  3_Teddy_ 23_Norway   _ 20000
  4_Mark _ 25_Rich-Mond_ 65000
  5_David_ 27_Texas    _ 85000
  6_Kim  _ 22_South-Hall|  45000
  7_James_ 24_Houston  _ 10000
(7 rows)

下面实例将找出 AGE 以 2 开头的数据： 

									yssmxdb=# SELECT * FROM COMPANY WHERE AGE::text LIKE '2%';

得到以下结果： 

									id_name _age_address    _salary
----+-------+-----+-------------+--------
  2_Allen_ 25_Texas      _ 15000
  3_Teddy_ 23_Norway     _ 20000
  4_Mark _ 25_Rich-Mond  _ 65000
  5_David_ 27_Texas      _ 85000
  6_Kim  _ 22_South-Hall _ 45000
  7_James_ 24_Houston    _ 10000
  8_Paul _ 24_Houston    _ 20000
(7 rows)

下面实例将找出 address 字段中含有 - 字符的数据： 

									yssmxdb=# SELECT * FROM COMPANY WHERE ADDRESS  LIKE '%-%';

得到结果如下： 

									id_name_age_                     address             _salary
----+------+-----+-------------------------------------------+--------
  4_Mark_ 25_Rich-Mond                                _ 65000
  6_Kim _ 22_South-Hall                               _ 45000
(2 rows)