REGEXP_REPLACE不能直接去重，它仅按正则模式替换字符串，如压缩连续重复字符，而非集合去重；真正去重需用DISTINCT或GROUP BY，其核心作用是在去重前统一数据形态。
REGEXP_REPLACE 能不能直接去重？
不能。它只是字符串替换函数，本身不处理重复逻辑——比如把 'aaabbb' 变成 'ab' 看似“去重”，其实是靠正则匹配连续重复字符后替换为单个字符，属于模式化压缩，不是集合意义上的去重。
真正去重得靠 DISTINCT 或 GROUP BY；REGEXP_REPLACE 的作用是**在去重前统一数据形态**，比如清洗手机号中间四位、标准化地址中的空格和标点、抹平大小写差异等。
模糊搜索前必须先做哪些清洗？
模糊搜索（如 LIKE '%关键词%' 或全文检索）效果差，往往因为原始数据存在噪声：多余空格、全半角混用、大小写不一致、括号/破折号干扰。这时候用 REGEXP_REPLACE 预处理能显著提升召回率。
-
REGEXP_REPLACE(name, '[[:space:][:punct:]]+', ' ')：把所有空白符和标点替换成单个空格 -
REGEXP_REPLACE(phone, '\D', '')：移除手机号里的非数字字符（\D在 MySQL 8.0+ 和 Oracle 中有效；PostgreSQL 用[^0-9]） -
REGEXP_REPLACE(email, '^(.*?)(@.*)$', '\1')：提取邮箱用户名部分（注意不同数据库对捕获组的语法支持有差异）
注意：MySQL 5.7 不支持 REGEXP_REPLACE，需升级到 8.0+；PostgreSQL 用 REGEXP_REPLACE()，但默认区分大小写，加标志 'i' 才能忽略大小写。
怎么把模糊匹配和去重组合起来？
典型场景：查“用户表中所有看起来像‘张三’的姓名，且去重显示”。不能写成 SELECT DISTINCT REGEXP_REPLACE(name, '某模式') FROM ... WHERE name LIKE '%张三%' —— 这会先模糊筛选再清洗，漏掉清洗后才匹配的记录（比如原名是‘张 三’，没空格时 LIKE 就不中）。
正确顺序是：先清洗，再模糊匹配，最后去重。
SELECT DISTINCT clean_name FROM ( SELECT REGEXP_REPLACE(name, '\s+', ' ') AS clean_name FROM users ) t WHERE clean_name LIKE '%张三%';
如果还要保留原始字段，可用窗口函数或子查询关联；但注意 REGEXP_REPLACE 在 WHERE 子句中执行开销较大，大数据量时建议把清洗结果存为生成列（MySQL 8.0+ 支持持久化生成列）或物化视图（Oracle/PostgreSQL）。
常见坑：正则写错导致全表变 NULL 或性能崩了
REGEXP_REPLACE 第二个参数（正则模式）写错，多数数据库不会报错，而是返回 NULL 或原字符串——比如 MySQL 中写 REGEXP_REPLACE(str, '[a-z', 'X')（少一个 ]），整个表达式就失效；PostgreSQL 则直接报错 invalid regular expression。
- 测试正则时，先用简单字符串验证：
SELECT REGEXP_REPLACE('A B C', '\s+', ' ')→'A B C' - 避免在
WHERE中对大字段反复调用该函数，尤其带复杂正则（如递归匹配、贪婪回溯） - Oracle 中
REGEXP_REPLACE默认最多处理 4000 字符，超长字段需配合DBMS_LOB处理
真正难的不是写正则，而是判断“哪些差异该被抹平”——比如“北京市”和“北京”算不算重复？这得靠业务规则，不是正则能自动决定的。
