跳到主要内容

字符串分割函数

splitByChar

将字符串分割成以指定字符分隔的子字符串。使用包含单个字符的常量字符串 separator。返回选定的子字符串数组。如果分隔符出现在字符串的开头或结尾,或者存在多个连续的分隔符,则可能会选择空子字符串。

语法

splitByChar(separator, s[, max_substrings]))

参数

  • separator — 分隔符,必须包含一个字符。 字符串.
  • s — 要分割的字符串。 字符串.
  • max_substrings — 可选的 Int64,默认值为 0。如果 max_substrings > 0,则返回的数组将包含不超过 max_substrings 个子字符串,否则函数将返回尽可能多的子字符串。

返回值

  • 选定的子字符串数组。 数组(字符串).

    当以下情况发生时,可能会选择空子字符串

  • 分隔符出现在字符串的开头或结尾;

  • 存在多个连续的分隔符;

  • 原始字符串 s 为空。

注意

参数 max_substrings 的行为从 ClickHouse v22.11 开始发生变化。在早于该版本的版本中,max_substrings > 0 表示执行了 max_substring 次分割,并将字符串的剩余部分作为列表的最后一个元素返回。例如,

  • 在 v22.10 中:SELECT splitByChar('=', 'a=b=c=d', 2); 返回 ['a','b','c=d']
  • 在 v22.11 中:SELECT splitByChar('=', 'a=b=c=d', 2); 返回 ['a','b']

可以通过设置 splitby_max_substrings_includes_remaining_string 来实现与 ClickHouse v22.11 之前类似的行为。SELECT splitByChar('=', 'a=b=c=d', 2) SETTINGS splitby_max_substrings_includes_remaining_string = 1 -- ['a', 'b=c=d']

示例

SELECT splitByChar(',', '1,2,3,abcde');

结果

┌─splitByChar(',', '1,2,3,abcde')─┐
│ ['1','2','3','abcde'] │
└─────────────────────────────────┘

splitByString

将字符串分割成以字符串分隔的子字符串。它使用包含多个字符的常量字符串 separator 作为分隔符。如果字符串 separator 为空,它将把字符串 s 分割成一个单字符数组。

语法

splitByString(separator, s[, max_substrings]))

参数

  • separator — 分隔符。 字符串.
  • s — 要分割的字符串。 字符串.
  • max_substrings — 可选的 Int64,默认值为 0。当 max_substrings > 0 时,返回的子字符串将不超过 max_substrings 个,否则函数将返回尽可能多的子字符串。

返回值

当以下情况发生时,可能会选择空子字符串

  • 非空分隔符出现在字符串的开头或结尾;
  • 存在多个连续的非空分隔符;
  • 原始字符串 s 为空,而分隔符不为空。
注意

设置 splitby_max_substrings_includes_remaining_string(默认值:0)控制当参数 max_substrings > 0 时,是否将剩余字符串包含在结果数组的最后一个元素中。

示例

SELECT splitByString(', ', '1, 2 3, 4,5, abcde');

结果

┌─splitByString(', ', '1, 2 3, 4,5, abcde')─┐
│ ['1','2 3','4,5','abcde'] │
└───────────────────────────────────────────┘
SELECT splitByString('', 'abcde');

结果

┌─splitByString('', 'abcde')─┐
│ ['a','b','c','d','e'] │
└────────────────────────────┘

splitByRegexp

将字符串分割成以正则表达式分隔的子字符串。它使用正则表达式字符串 regexp 作为分隔符。如果 regexp 为空,它将把字符串 s 分割成一个单字符数组。如果找不到与该正则表达式匹配的项,则不会分割字符串 s

语法

splitByRegexp(regexp, s[, max_substrings]))

参数

  • regexp — 正则表达式。常量。 字符串固定字符串.
  • s — 要分割的字符串。 字符串.
  • max_substrings — 可选的 Int64,默认值为 0。当 max_substrings > 0 时,返回的子字符串将不超过 max_substrings 个,否则函数将返回尽可能多的子字符串。

返回值

当以下情况发生时,可能会选择空子字符串

  • 非空正则表达式匹配出现在字符串的开头或结尾;
  • 存在多个连续的非空正则表达式匹配;
  • 原始字符串 s 为空,而正则表达式不为空。
注意

设置 splitby_max_substrings_includes_remaining_string(默认值:0)控制当参数 max_substrings > 0 时,是否将剩余字符串包含在结果数组的最后一个元素中。

示例

SELECT splitByRegexp('\\d+', 'a12bc23de345f');

结果

┌─splitByRegexp('\\d+', 'a12bc23de345f')─┐
│ ['a','bc','de','f'] │
└────────────────────────────────────────┘
SELECT splitByRegexp('', 'abcde');

结果

┌─splitByRegexp('', 'abcde')─┐
│ ['a','b','c','d','e'] │
└────────────────────────────┘

splitByWhitespace

将字符串分割成以空格字符分隔的子字符串。返回选定的子字符串数组。

语法

splitByWhitespace(s[, max_substrings]))

参数

  • s — 要分割的字符串。 字符串.
  • max_substrings — 可选的 Int64,默认值为 0。当 max_substrings > 0 时,返回的子字符串将不超过 max_substrings 个,否则函数将返回尽可能多的子字符串。

返回值

注意

设置 splitby_max_substrings_includes_remaining_string(默认值:0)控制当参数 max_substrings > 0 时,是否将剩余字符串包含在结果数组的最后一个元素中。

示例

SELECT splitByWhitespace('  1!  a,  b.  ');

结果

┌─splitByWhitespace('  1!  a,  b.  ')─┐
│ ['1!','a,','b.'] │
└─────────────────────────────────────┘

splitByNonAlpha

将字符串分割成以空格和标点符号分隔的子字符串。返回选定的子字符串数组。

语法

splitByNonAlpha(s[, max_substrings]))

参数

  • s — 要分割的字符串。 字符串.
  • max_substrings — 可选的 Int64,默认值为 0。当 max_substrings > 0 时,返回的子字符串将不超过 max_substrings 个,否则函数将返回尽可能多的子字符串。

返回值

注意

设置 splitby_max_substrings_includes_remaining_string(默认值:0)控制当参数 max_substrings > 0 时,是否将剩余字符串包含在结果数组的最后一个元素中。

示例

SELECT splitByNonAlpha('  1!  a,  b.  ');
┌─splitByNonAlpha('  1!  a,  b.  ')─┐
│ ['1','a','b'] │
└───────────────────────────────────┘

arrayStringConcat

使用分隔符连接数组中列出的值的字符串表示。separator 是一个可选参数:一个常量字符串,默认设置为一个空字符串。返回字符串。

语法

arrayStringConcat(arr\[, separator\])

示例

SELECT arrayStringConcat(['12/05/2021', '12:50:00'], ' ') AS DateString;

结果

┌─DateString──────────┐
│ 12/05/2021 12:50:00 │
└─────────────────────┘

alphaTokens

从 a-z 和 A-Z 范围内选择连续字节的子字符串。返回子字符串数组。

语法

alphaTokens(s[, max_substrings]))

别名:splitByAlpha

参数

  • s — 要分割的字符串。 字符串.
  • max_substrings — 可选的 Int64,默认值为 0。当 max_substrings > 0 时,返回的子字符串将不超过 max_substrings 个,否则函数将返回尽可能多的子字符串。

返回值

注意

设置 splitby_max_substrings_includes_remaining_string(默认值:0)控制当参数 max_substrings > 0 时,是否将剩余字符串包含在结果数组的最后一个元素中。

示例

SELECT alphaTokens('abca1abc');
┌─alphaTokens('abca1abc')─┐
│ ['abca','abc'] │
└─────────────────────────┘

extractAllGroups

从正则表达式匹配的非重叠子字符串中提取所有组。

语法

extractAllGroups(text, regexp)

参数

返回值

  • 如果函数找到至少一个匹配组,它将返回 Array(Array(String)) 列,按组 ID(1 到 N,其中 N 是 regexp 中捕获组的数量)进行聚类。如果没有匹配组,它将返回一个空数组。 数组.

示例

SELECT extractAllGroups('abc=123, 8="hkl"', '("[^"]+"|\\w+)=("[^"]+"|\\w+)');

结果

┌─extractAllGroups('abc=123, 8="hkl"', '("[^"]+"|\\w+)=("[^"]+"|\\w+)')─┐
│ [['abc','123'],['8','"hkl"']] │
└───────────────────────────────────────────────────────────────────────┘

ngrams

将 UTF-8 字符串分割成 ngramsize 个符号的 n-gram。

语法

ngrams(string, ngramsize)

参数

返回值

示例

SELECT ngrams('ClickHouse', 3);

结果

┌─ngrams('ClickHouse', 3)───────────────────────────┐
│ ['Cli','lic','ick','ckH','kHo','Hou','ous','use'] │
└───────────────────────────────────────────────────┘

tokens

使用非字母数字 ASCII 字符作为分隔符将字符串分割成标记。

参数

  • input_string — 任何以 字符串 数据类型对象表示的字节集。

返回值

  • 输入字符串中得到的标记数组。 数组.

示例

SELECT tokens('test1,;\\ test2,;\\ test3,;\\   test4') AS tokens;

结果

┌─tokens────────────────────────────┐
│ ['test1','test2','test3','test4'] │
└───────────────────────────────────┘