字符串函数 String Functions
ascii(string str)
- 返回结果: 返回字符串str首字母的十进制ascii码
- 返回类型: int
-
select ascii('ABC');-- 结果为 65
base64(binary bin)
- 返回结果: 将二进制转换为base64编码
- 返回类型: string
-
select base64(encode('Uncle Bean', 'utf8'));-- 结果为 VW5jbGUgQmVhbg== -
select base64(encode('Melon-and-fruit-fields', 'utf-8'));-- 结果为 TWVsb24tYW5kLWZydWl0LWZpZWxkcw====
character_length(string str)
- character_length 可缩写为 char_length
- 返回结果: 返回str中包含的UTF-8字符数
- 返回类型: int
-
select character_length('123456');-- 结果为 6 -
select char_length('ABCDEFGHIJK');-- 结果为 11
chr(bigint|double A)
- 返回结果: 将数字A转为对应的ascii字符, 如果A大于等于256，则结果同chr(A % 256)
- 返回类型: string
-
select chr(65);-- 结果为 A -
select chr(65.6);-- 结果为 A -
select chr(321);-- 结果为 A -
select chr(321 % 256);-- 结果为 A
concat(string|binary A, string|binary B...)
- 返回结果: 拼接字符串，函数接受任意数量的输入
- 返回类型: string
-
select concat('A', 'C', 'B');-- 结果为 ACB -
select concat(encode('A', 'utf8'), encode('C', 'utf8'), encode('B', 'utf8'));-- 结果为 ACB
context_ngrams(array<array<string>>, array<string>, int K, int pf)
- 返回结果: 使用n-gram模型，通过指定array<string>，提取前K个上下文文本；pf越大，精度越高，同时消耗的内存资源也更大
- 返回类型: array<struct<string,double>>
-
select context_ngrams(array(array('from','a'),array('from','a'),array('from','b')), array('from', null), 1);-- 结果为 [{"ngram":["a"],"estfrequency":2.0}] -
select context_ngrams(array(array('from','a'),array('from','a'),array('from','b')), array('from', null), 2);-- 结果为 [{"ngram":["a"],"estfrequency":2.0},{"ngram":["b"],"estfrequency":1.0}]
concat_ws(string SEP, string A, string B...)
- 返回结果: 使用指定分隔符 SEP 拼接字符串，传入参数为多个字符串
- 返回类型: string
-
select concat_ws('-', 'Melon', 'and', 'fruit', 'fields');-- 结果为 Melon-and-fruit-fields
concat_ws(string SEP, array<string>)
- 返回结果: 使用指定分隔符 SEP 拼接字符串，传入参数为 array
- 返回类型: string
-
select concat_ws('-', array('Melon', 'and', 'fruit', 'fields'));-- 结果为 Melon-and-fruit-fields
decode(binary bin, string charset)
- 返回结果: 解码（字符集 charset 包括'US-ASCII', 'ISO-8859-1', 'UTF-8', 'UTF-16BE', 'UTF-16LE', 'UTF-16'）
- 返回类型: string
-
select decode(encode('A', 'utf8'), 'UTF-8');-- 结果为 A
elt(N int,str1 string,str2 string,str3 string,...)
- 返回结果: 返回第N个传入参数，如果N小于1或者大于字符串参数的个数则返回NULL
- 返回类型: string
-
select elt(2, 'Melon', 'and', 'fruit', 'fields');-- 结果为 and -
select elt(5, 'Melon', 'and', 'fruit', 'fields');-- 结果为 NULL
encode(string src, string charset)
- 返回结果: 编码
- 返回类型: binary
-
select encode('A','UTF-8');-- 结果为 A -
select encode('A','US-ASCII');-- 结果为 A
field(val T,val1 T,val2 T,val3 T,...)
- 返回结果: 返回val在后续参数中出现的位置，如果val为NULL或者未找到则返回0
- 返回类型: int
-
select field(11, 13, 12, 11);-- 结果为 3 -
select field('a', 'c', 'b', 'a');-- 结果为 3 -
select field('d', 'c', 'b', 'a');-- 结果为 0
find_in_set(string str, string strList)
- 返回结果: 返回str在strList中出现的位置，未找到或者str中包含逗号则返回0（strList是一个用逗号隔开的字符串）
- 返回类型: int
-
select find_in_set('and', 'Melon,and,fruit,fields');-- 结果为 2 -
select find_in_set('And', 'Melon,and,fruit,fields');-- 结果为 0 -
select find_in_set('and,', 'Melon,and,fruit,fields');-- 结果为 0 -
select find_in_set(NULL, 'Melon,and,fruit,fields');-- 结果为 NULL
format_number(number x, int d)
- 返回结果: 格式化数字x为包含d个小数位的数字，并用千分位表示
- 返回类型: string
-
select format_number(1234.16, 1);-- 结果为 1,234.2 -
select format_number(1234.14, 1);-- 结果为 1,234.1
get_json_object(string json_string, string path)
- 返回结果: 提取json对象值
- 返回类型: string
-
select get_json_object('{"key":"value"}', '$.key');-- 结果为 value -
select get_json_object('[{"key":"value"}, {"key":"value2"}]', '$[1].key');-- 结果为 value2 -
select get_json_object('["value3"]', '$[0]');-- 结果为 value3
in_file(string str, string filename)
- 返回结果: 如果str是文件filename里面的一行则返回true，否则返回false
- 返回类型: boolean
-
select in_file('123', 'hdfs:/tmp/test/test.csv');-- 结果为 true -
select in_file('12', 'hdfs:/tmp/test/test.csv');-- 结果为 false - /tmp/test/test.csv为hdfs上的文件，有两行数据，第一行为123，第二行为456
instr(string str, string substr)
- 返回结果: 返回substr在str中第一次出现的位置，未出现则返回0（如果参数为NULL则返回NULL；位置从1开始）
- 返回类型: int
-
select instr('1234', '23');-- 结果为 2 -
select instr('1234', '2345');-- 结果为 0 -
select instr('1234', NULL);-- 结果为 NULL -
select instr(NULL, '23');-- 结果为 NULL
length(string A)
- 返回结果: 返回字符串A的长度
- 返回类型: int
-
select length('123');-- 结果为 3 -
select length('');-- 结果为 0 -
select length(NULL);-- 结果为 NULL
locate(string substr, string str[, int pos])
- 返回结果: 返回substr在str的pos-1位后第一次出现的位置
- 返回类型: int
-
select locate('12', '1212');-- 结果为 1 -
select locate('12', '1212', 1);-- 结果为 1 -
select locate('12', '1212', 2);-- 结果为 3
lower(string A) lcase(string A)
- 返回结果: 返回小写的字符串A
- 返回类型: string
-
select lower('Aa');-- 结果为 aa -
select lcase('Aa');-- 结果为 aa
lpad(string str, int len, string pad)
- 返回结果: 使用pad填充字符串str的左边，使其长度变为len；如果字符串str的长度大于len，则str将被截断；如果pad为空字符或者NULL，则返回NULL
- 返回类型: string
-
select lpad('123', 5, '0');-- 结果为 00123 -
select lpad('123', 2, '0');-- 结果为 12 -
select lpad('123', 5, '');-- 结果为 NULL
ltrim(string A)
- 返回结果: 去掉字符串A左边的空格
- 返回类型: string
-
select ltrim(' 123 3 ');-- 结果为 '123 3 '
ngrams(array<array<string>>, int N, int K, int pf)
- 返回结果: 提取前K个N-gram（N-gram就是一个长度为N的词语组成的序列）
- 返回类型: array<struct<string,double>>
-
select ngrams(array(array('from','a'),array('from','a'),array('from','b')), 2, 1);-- 结果为 [{"ngram":["from","a"],"estfrequency":2.0}] -
select ngrams(array(array('from','a'),array('from','a'),array('from','b')), 1, 1);-- 结果为 [{"ngram":["from"],"estfrequency":3.0}]
octet_length(string str)
- 返回结果: 返回以UTF-8编码保存字符串str所需的八位字节数
- 返回类型: int
-
select octet_length('AAA1');-- 结果为 15
parse_url(string urlString, string partToExtract [, string keyToExtract])
- 返回结果: 解析url（partToExtract包括HOST, PATH, QUERY, REF, PROTOCOL, AUTHORITY, FILE, 以及USERINFO）
- 返回类型: string
-
select parse_url('https://github.com/TheUncleWhoGrowsBeans/Melon-and-fruit-fields', 'HOST');-- 结果为 github.com -
select parse_url('https://github.com/TheUncleWhoGrowsBeans/Melon-and-fruit-fields', 'PATH');-- 结果为 /TheUncleWhoGrowsBeans/Melon-and-fruit-fields -
select parse_url('http://hostname.com/path?k1=v1&k2=v2#ref1', 'REF');-- 结果为 ref1 -
select parse_url('http://hostname.com/path?k1=v1&k2=v2#ref1', 'QUERY', 'k2');-- 结果为 v2
printf(String format, Obj... args)
- 返回结果: 返回printf-style的字符串
- 返回类型: string
-
select printf('%s%d岁了', 'Uncle Bean', 1);-- 结果为 Uncle Bean1岁了
quote(String text)
- 返回结果: 返回带引号的字符串
- 返回类型: string
-
select quote('Uncle Bean');-- 结果为 'Uncle Bean'
regexp_extract(string subject, string pattern, int index)
- 返回结果: 正则提取
- 返回类型: string
-
select regexp_extract('http://hostname.com/path?k1=v1&k2=v2#ref1', 'http://([0-9a-zA-z]+.[0-9a-zA-z]+)/', 1);-- 结果为 hostname.com
regexp_replace(string INITIAL_STRING, string PATTERN, string REPLACEMENT)
- 返回结果: 正则替换
- 返回类型: string
-
select regexp_replace('我1不23要456数7890字', '[0-9]+', '');-- 结果为 我不要数字
repeat(string str, int n)
- 返回结果: 返回重复n次str后的字符串
- 返回类型: string
-
select repeat('a', 3);-- 结果为 aaa
replace(string A, string OLD, string NEW)
- 返回结果: 替换
- 返回类型: string
-
select replace('123123', '123', 'haha');-- 结果为 hahahaha
reverse(string A)
- 返回结果: 反转字符串A
- 返回类型: string
-
select reverse('1234');-- 结果为 4321
rpad(string str, int len, string pad)
- 返回结果: 使用pad填充字符串str的右边，使其长度变为len；如果字符串str的长度大于len，则str将被截断；如果pad为空字符或者NULL，则返回NULL
- 返回类型: string
-
select rpad('123', 5, '0');-- 结果为 12300 -
select rpad('123', 2, '0');-- 结果为 12 -
select rpad('123', 5, '');-- 结果为 NULL
rtrim(string A)
- 返回结果: 去掉字符串A右边的空格
- 返回类型: string
-
select rtrim('1 123 ');-- 结果为 1 123
sentences(string str, string lang, string locale)
- 返回结果: 将自然语言文本串标记为单词和句子（分词）
- 返回类型: array<array<string>>
-
select sentences('Hello Bean! How are you?');-- 结果为 [["Hello","Bean"],["How","are","you"]]
space(int n)
- 返回结果: 返回n个空格的字符串
- 返回类型: string
-
select concat('->', space(3), '<-');-- 结果为 -> <-
split(string str, string pat)
- 返回结果: 使用指定分隔符pat拆分字符串str
- 返回类型: array
-
select split('123123', '2');-- 结果为 ["1","31","3"] -
select split('123123', '12');-- 结果为 ["","3","3"]
str_to_map(text[, delimiter1, delimiter2])
- 返回结果: 将字符串转换为map
- 返回类型: map<string,string>
-
select str_to_map('k1:v1,k2:v2');-- 结果为 {"k1":"v1","k2":"v2"}
substr(string|binary A, int start) substring(string|binary A, int start)
- 返回结果: 截取字符串
- 返回类型: substr
-
select substr('12345', 2);-- 结果为 2345 -
select substring('12345', 2);-- 结果为 2345
substr(string|binary A, int start, int len) substring(string|binary A, int start, int len)
- 返回结果: 截取字符串
- 返回类型: string
-
select substr('12345', 2, 3);-- 结果为 234 -
select substring('12345', 2, 3);-- 结果为 234
substring_index(string A, string delim, int count)
- 返回结果: 根据delim将字符串A分为多个部分，然后根据count返回部分字符串
- 返回类型: string
-
select substring_index('1.2.3', '.', 2);-- 结果为 1.2 -
select substring_index('1.2.3', '.', -2);-- 结果为 2.3
translate(string|char|varchar input, string|char|varchar from, string|char|varchar to)
- 返回结果: 将出现在from中的每个字符替换为to中的相应字符；若from比to长，那么在from中比to中多出的字符将会被删除
- 返回类型: string
-
select translate('abc不是ab', 'abc', 'd');-- 结果为 d不是d -
select translate('abc不是a,也不是b,也不是c', 'abc', 'd');-- 结果为 d不是d,也不是,也不是
trim(string A)
- 返回结果: 去掉字符串A左右两边的空格
- 返回类型: string
-
select concat('->', trim(' 1 1 '), '<-');-- 结果为 ->1 1<-
unbase64(string str)
- 返回结果: base64解码
- 返回类型: binary
-
select unbase64('VW5jbGUgQmVhbg==');-- 结果为 Uncle Bean
upper(string A) ucase(string A)
- 返回结果: 返回大写的字符串A
- 返回类型: string
-
select upper('aa');-- 结果为 AA -
select ucase('aa');-- 结果为 AA
initcap(string A)
- 返回结果: 转换为首字母大写的字符串A
- 返回类型: string
-
select initcap('the uncle who grows beans');-- 结果为 The Uncle Who Grows Beans
levenshtein(string A, string B)
- 返回结果: 返回两个字符串之间的Levenshtein距离(也称编辑距离，指的是两个字符串之间，由一个转换成另一个所需的最少编辑操作次数)
- 返回类型: int
-
select levenshtein('hehe', 'haha');-- 结果为 2
soundex(string A)
- 返回结果: 返回字符串的soundex代码
- 返回类型: string
-
select soundex('Uncle Bean');-- 结果为 U524
