Expresiones Regulares (regex) en SQL

Hoy nos adentramos en un terreno que, para muchos de nosotros, era una vieja aspiración en el mundo SQL: el soporte nativo para expresiones regulares en Azure SQL Database. Durante años, quienes trabajamos con datos hemos recurrido a soluciones alternativas para llevar a cabo tareas complejas de búsqueda, manipulación y validación de texto. Ahora, esta potente herramienta se integra directamente en nuestro entorno de trabajo, abriendo un abanico de posibilidades que sin duda optimizarán nuestras tareas diarias.

Descubriendo el poder de las Expresiones Regulares en Azure SQL

La noticia, anunciada recientemente, marca un antes y un después para quienes trabajamos con datos. La disponibilidad de expresiones regulares en Azure SQL nos permite llevar a cabo operaciones sofisticadas de una manera más eficiente y directamente desde nuestras consultas SQL. Para aquellos que no estén familiarizados, una expresión regular, o regex, es una secuencia de caracteres que define un patrón de búsqueda dentro de un texto. Su utilidad radica en la flexibilidad y potencia que ofrecen para identificar, extraer, reemplazar o validar fragmentos de información basados en reglas complejas.

Con la incorporación del soporte para expresiones regulares en Azure SQL, ahora podemos mejorar significativamente la calidad de nuestros datos. Imaginaros la capacidad de validar formatos de datos tan variados como números de teléfono, direcciones de correo electrónico o códigos postales directamente en la base de datos. Además, las expresiones regulares en Azure SQL facilita la extracción de información valiosa a partir de patrones de texto específicos, como la identificación de palabras clave o menciones en grandes volúmenes de texto. La transformación y estandarización de datos también se ven enormemente beneficiadas, permitiéndonos unificar criterios en abreviaturas, acrónimos o sinónimos. Finalmente, la limpieza de datos se simplifica al poder eliminar o filtrar patrones no deseados, como espacios en blanco o caracteres especiales.

De momento estas expresiones regulares están en Public Preview en Azure SQL Databases pero, no vamos a tardar en verlas en Azure SQL Managed Instance. Además, están anunciadas como característica de SQL Server 2025.

Explorando las Funciones de Expresiones Regulares en Azure SQL

SQL nos ofrece un conjunto de funciones específicas para trabajar con expresiones regulares en nuestras consultas. Estas funciones, que siguen el estándar POSIX, nos brindan las herramientas necesarias para explotar al máximo el potencial de las regex. Entre ellas, encontramos:

REGEXP_LIKE

Esta función evalúa si una cadena de texto coincide con un patrón de expresión regular determinado. Devuelve un valor booleano (TRUE o FALSE) según el resultado de la comparación. Podemos utilizarla para filtrar filas en nuestras consultas basándonos en criterios de búsqueda complejos o para implementar restricciones de validación en nuestras tablas. Por ejemplo, podríamos crear una restricción CHECK para asegurarnos de que todos los correos electrónicos insertados en una tabla sigan un formato válido.

REGEXP_COUNT

Tal como su nombre indica, esta función nos permite contar el número de veces que un patrón de expresión regular aparece dentro de una cadena de texto. Su utilidad es evidente en escenarios donde necesitamos analizar la frecuencia de ciertos elementos en nuestros datos de texto. Un ejemplo práctico sería contar la cantidad de vocales que aparecen en el nombre de cada empleado de una tabla.

REGEXP_INSTR

Esta función nos proporciona la posición de inicio o fin de la primera ocurrencia de un patrón de expresión regular dentro de una cadena de texto. Podemos especificar qué ocurrencia nos interesa y si queremos obtener la posición inicial o final del fragmento coincidente. Esto resulta especialmente útil para localizar la ubicación de caracteres o patrones específicos dentro de nuestros datos, como encontrar la posición del símbolo «@» en una dirección de correo electrónico.

REGEXP_REPLACE

Sin duda, una de las funciones más potentes. REGEXP_REPLACE en SQL. Nos permite reemplazar todas las ocurrencias de un patrón de expresión regular dentro de una cadena de texto por otra cadena que especifiquemos. Esta función es muy potente para tareas de transformación y estandarización de datos, como formatear números de teléfono para que sigan un formato consistente pero también para nosotros cuando queramos hacer transformaciones complejas en nuestras consultas dinámicas de administración.

REGEXP_SUBSTR

Finalmente, REGEXP_SUBSTR nos permite extraer la parte de una cadena de texto que coincide con un patrón de expresión regular determinado. Podemos especificar qué ocurrencia del patrón queremos extraer. Esta función es fundamental para extraer información específica de cadenas de texto más largas, como obtener el nombre de dominio de una dirección de correo electrónico.

Ejemplos prácticos de Expresiones Regulares en SQL

Para ilustrar el uso de estas funciones, consideremos una tabla de empleados con información como nombres, direcciones de correo electrónico y números de teléfono.

Con REGEXP_LIKE, podríamos validar que el formato de los correos electrónicos y los números de teléfono sea el esperado al insertar nuevos registros o al definir restricciones de tabla. Por ejemplo, la siguiente consulta nos mostraría todos los empleados cuyo correo electrónico termina con «.com»:

SELECT [Name], Email FROM Employees WHERE REGEXP_LIKE(Email, '\.com$');

Utilizando REGEXP_COUNT, podríamos analizar la composición de los nombres, como contar el número de vocales en cada uno:

SELECT [Name], REGEXP_COUNT([Name], '[AEIOU]', 1, 'i') AS Vowel_Count
FROM Employees;

Con REGEXP_INSTR, podríamos determinar la posición del carácter «@» en cada dirección de correo electrónico:

SELECT [Name], Email, REGEXP_INSTR(email, '@') AS Position_of_Arroba
FROM Employees;

La función REGEXP_REPLACE nos permitiría estandarizar el formato de los números de teléfono:

SELECT Phone_Number, REGEXP_REPLACE(Phone_Number, '(\d{3})-(\d{3})-(\d{4})', '() -', 1) AS Phone_Format
FROM Employees;

Finalmente, REGEXP_SUBSTR nos facilita la extracción del dominio de cada correo electrónico:

SELECT [Name], Email, REGEXP_SUBSTR(email, '@(.+)$', 1, 1, 'c', 1) AS Domain
FROM Employees;

Estos ejemplos ilustran la versatilidad de las expresiones regulares en el entorno SQL, permitiéndonos realizar tareas que antes requerían lógica de aplicación o el uso de extensiones.

Impulsando la Calidad del Dato con Regex en SQL

La capacidad de validar y corregir formatos de datos mediante expresiones regulares directamente en SQL tiene un impacto directo en la calidad de la información que manejamos. Al integrar estas validaciones a nivel de base de datos, podemos asegurar la consistencia y precisión de los datos desde su origen. Las restricciones CHECK basadas en REGEXP_LIKE son un claro ejemplo de cómo podemos prevenir la introducción de datos erróneos, garantizando así la integridad de nuestras tablas.

Además, las expresiones regulares en SQL facilitan la identificación y corrección de inconsistencias existentes. Mediante consultas que utilizan REGEXP_LIKE, podemos localizar registros que no cumplen con los patrones esperados y aplicar las correcciones necesarias utilizando REGEXP_REPLACE. Este proceso continuo de validación y limpieza contribuye significativamente a mantener la calidad de nuestros datos a lo largo del tiempo.

Aplicaciones avanzadas de Expresiones Regulares para datos en SQL

Más allá de la validación y la limpieza básica, las expresiones regulares en SQL abren la puerta a análisis más sofisticados. La capacidad de extraer patrones específicos con REGEXP_SUBSTR y contarlos con REGEXP_COUNT nos permite obtener información valiosa de datos de texto no estructurados. Por ejemplo, podríamos analizar comentarios de clientes para identificar la frecuencia con la que se mencionan ciertos temas o productos.

La combinación de las funciones de regex en SQL con otras funcionalidades del lenguaje SQL amplía aún más sus posibilidades. Podemos utilizar los resultados de REGEXP_INSTR para realizar operaciones de substring más precisas o integrar las transformaciones realizadas con REGEXP_REPLACE en procesos más complejos de manipulación de datos. La flexibilidad que ofrecen las expresiones regulares dentro del entorno SQL nos permite abordar desafíos de procesamiento de texto de una manera más directa y eficiente.

Consideraciones de rendimiento

Es importante tener en cuenta que la ejecución de consultas que utilizan expresiones regulares puede tener un impacto en el rendimiento, dependiendo de la complejidad de los patrones, el volumen de datos y el número de filas involucradas. Al igual que con cualquier consulta compleja, es recomendable analizar el plan de ejecución y utilizar las herramientas de monitorización disponibles para identificar posibles cuellos de botella y optimizar el rendimiento.

En general, patrones de regex en SQL más sencillos y datos bien indexados ayudarán a minimizar el impacto en el rendimiento. Sin embargo, para patrones muy complejos o grandes conjuntos de datos, es posible que se requiera una planificación cuidadosa y pruebas exhaustivas para asegurar que las consultas se ejecuten de manera eficiente.

El futuro de las Expresiones Regulares en SQL Server

Si bien esta funcionalidad se ha introducido inicialmente en Azure SQL Database, la buena noticia es que está previsto que se incluya en la próxima versión de Microsoft SQL Server. Esto significa que, en un futuro cercano, muchos más profesionales podrán beneficiarse del poder de las expresiones regulares directamente en sus entornos SQL Server on-premise.

Es importante destacar que la implementación de regex en Azure SQL se basa en la biblioteca RE2 y sigue el estándar POSIX, además de ser compatible con la sintaxis PCRE/PCRE2, lo que garantiza una amplia compatibilidad con las expresiones regulares utilizadas en otras herramientas y lenguajes.

Conclusión

La llegada del soporte nativo para expresiones regulares a Azure SQL Database representa un avance significativo para quienes trabajamos con datos. La capacidad de realizar búsquedas complejas, validaciones precisas, extracciones eficientes y transformaciones flexibles directamente desde nuestras consultas SQL nos brinda una herramienta poderosa para mejorar la calidad de nuestros datos, obtener insights más profundos y optimizar nuestros flujos de trabajo.

Os animo a explorar las nuevas funciones de regex en Azure SQL, a experimentar con los ejemplos que os he dado y a descubrir cómo esta funcionalidad puede transformar la manera en que interactuamos con vuestros datos de texto. Recordad que podéis probar Azure SQL Database completamente gratis. Sin duda, este es un paso adelante que enriquecerá nuestro día a día como profesionales de las bases de datos. ¡Manos a la obra y a sacarle el máximo partido a las expresiones regulares en el universo SQL!

Si tenéis alguna duda o sugerencia, podéis dejarla en Twitter, por mail o dejarnos un mensaje en los comentarios. Y recuerda que también tenemos un grupo de Telegram y un canal de YouTube a los que te puede unir. ¡Hasta la próxima!