不能直接替代，regexp是正则匹配（返回1/0），like是通配符模式（支持%、_）；简单前缀/后缀过滤用like更快且可走索引，复杂校验如邮箱、手机号、中文+字母混合等必须用regexp。
REGEXP 能否替代 LIKE 做模糊清洗？
不能直接替代，REGEXP 和 LIKE 语义不同：前者是正则匹配（返回 1/0），后者是通配符模式（支持 %、_）。清洗时若只用简单前缀或后缀过滤，LIKE 更快且可走索引；但涉及数字范围、邮箱格式、中文+字母混合校验等，必须用 REGEXP。
常见误用：WHERE name REGEXP 'abc' 会匹配 'abc'、'xabc'、'abccde' —— 若只想开头匹配，得写成 ^abc；想结尾则用 abc$。
- MySQL 8.0+ 默认使用 ICU 正则引擎，支持
\d、\s、Unicode 类（如[:alpha:]） - 5.7 及更早版本仅支持基本正则（BRE），不支持
+、?、\d等，需改用[0-9]、[a-zA-Z] -
REGEXP不区分大小写（除非字段用BINARY或加COLLATE utf8mb4_0900_as_cs）
清洗手机号：怎么写才能避开座机和乱码？
国内手机号典型特征是 11 位、以 1[3-9] 开头、纯数字。但直接 REGEXP '^1[3-9][0-9]{9}$' 仍可能命中带空格或括号的脏数据（如 '138 1234 5678'）—— 所以清洗分两步：先清理非数字字符，再校验长度和前缀。
实操建议：
- 用
REGEXP_REPLACE(phone, '[^0-9]', '')（MySQL 8.0+）统一去除非数字，再套REGEXP '^1[3-9][0-9]{9}$' - 若用 5.7，只能先
REPLACE(REPLACE(phone, ' ', ''), '-', '')多层嵌套，再判断长度是否为 11 且LEFT(phone, 1) = '1' - 注意：部分虚拟运营商号段（如 170、171）已被运营商回收，实际业务中需查最新号段表，正则只是初筛
提取邮箱用户名：为什么 SUBSTRING_INDEX 不如 REGEXP_SUBSTR？
SUBSTRING_INDEX(email, '@', 1) 在遇到 'user@domain@sub' 这类异常数据时会错取，而 REGEXP_SUBSTR(email, '^[^@]+') 能严格从开头匹配到第一个 @ 前的内容，更鲁棒。
MySQL 9.6.0是面向Linux平台的2026年创新版本，核心架构迎来重大革新。其将外键约束与级联操作从InnoDB引擎层上移至SQL层，确保所有数据变更均被完整记录至Binlog，彻底解决了CDC（变更数据捕获）与主从复制中的数据不一致难题。此外，该版本引入container_aware启动选项以原生适配容器环境，并对审计日志进行了组件化重构，为追求极致数据一致性与云原生体验的开发者提供了全新选择。
但要注意 MySQL 的 REGEXP_SUBSTR 默认贪婪匹配，且不支持命名捕获组：
- 提取域名部分应写
REGEXP_SUBSTR(email, '@[^@]+$')，再用SUBSTR(..., 2)去掉开头的@ - 若邮箱含大小写混杂（如
UsEr@ExAmPlE.COM），REGEXP本身不处理大小写，需配合LOWER()统一后再匹配 - 性能上，
REGEXP_SUBSTR比SUBSTRING_INDEX慢 2–3 倍，批量清洗时建议先WHERE email REGEXP '^[A-Za-z0-9._%+-]+@[A-Za-z0-9.-]+\.[A-Za-z]{2,}$'过滤再提取
为什么 WHERE 条件里用 REGEXP 会导致全表扫描？
MySQL 对 REGEXP 字段无法使用 B+ 树索引，即使你在 email 列上建了索引，WHERE email REGEXP '^.+@gmail\.com$' 依然会扫全表。这是正则引擎的固有限制，不是写法问题。
绕过方法只有两个：
- 把高频查询模式固化为生成列（MySQL 5.7+）：
ALTER TABLE users ADD COLUMN email_domain VARCHAR(64) STORED AS (SUBSTRING_INDEX(email, '@', -1))，再对email_domain建索引 - 清洗阶段就拆出结构化字段（如
phone_clean、email_user、email_domain），后续查询走这些字段的索引 - 别信“给正则加前缀就能用索引”——
REGEXP '^abc.*'依然无法利用索引，只有LIKE 'abc%'可以
真正做数据清洗时，正则只是第一道筛子；最终落地的干净字段，必须是可索引、可统计、无歧义的原子值。
