跳至主要内容

字符串函数

有关在字符串中搜索替换的函数在单独的部分进行了描述。

empty

检查输入字符串是否为空。如果字符串包含至少一个字节,即使该字节是空格或空字节,也认为该字符串不为空。

此函数也可用于数组UUID

语法

empty(x)

参数

返回值

  • 对于空字符串返回 1,对于非空字符串返回 0UInt8

示例

SELECT empty('');

结果

┌─empty('')─┐
│ 1 │
└───────────┘

notEmpty

检查输入字符串是否非空。如果字符串包含至少一个字节,即使该字节是空格或空字节,也认为该字符串不为空。

此函数也可用于数组UUID

语法

notEmpty(x)

参数

返回值

  • 对于非空字符串返回 1,对于空字符串返回 0UInt8

示例

SELECT notEmpty('text');

结果

┌─notEmpty('text')─┐
│ 1 │
└──────────────────┘

length

返回字符串的字节长度,而不是字符或 Unicode 代码点数。此函数也适用于数组。

别名:OCTET_LENGTH

语法

length(s)

参数

返回值

  • 字符串或数组 s 的字节长度。 UInt64

示例

查询

SELECT length('Hello, world!');

结果

┌─length('Hello, world!')─┐
│ 13 │
└─────────────────────────┘

查询

SELECT length([1, 2, 3, 4]);

结果

┌─length([1, 2, 3, 4])─┐
│ 4 │
└──────────────────────┘

lengthUTF8

返回字符串的 Unicode 代码点数,而不是字节或字符。它假设字符串包含有效的 UTF-8 编码文本。如果违反此假设,则不会抛出异常,结果未定义。

别名

  • CHAR_LENGTH
  • CHARACTER_LENGTH

语法

lengthUTF8(s)

参数

  • s — 包含有效 UTF-8 编码文本的字符串。 字符串

返回值

  • 字符串 s 的 Unicode 代码点数。 UInt64

示例

查询

SELECT lengthUTF8('Здравствуй, мир!');

结果

┌─lengthUTF8('Здравствуй, мир!')─┐
│ 16 │
└────────────────────────────────┘

left

返回字符串 s 的子字符串,指定从左侧开始的 offset

语法

left(s, offset)

参数

返回值

  • 对于正数 offset:从字符串左侧开始的 offset 个字节的 s 的子字符串。
  • 对于负数 offset:从字符串左侧开始的 length(s) - |offset| 个字节的 s 的子字符串。
  • 如果 length 为 0,则为空字符串。

示例

查询

SELECT left('Hello', 3);

结果

Hel

查询

SELECT left('Hello', -3);

结果

He

leftUTF8

返回 UTF-8 编码字符串 s 的子字符串,指定从左侧开始的 offset

语法

leftUTF8(s, offset)

参数

  • s — 要从中计算子字符串的 UTF-8 编码字符串。 字符串FixedString
  • offset — 偏移量的字节数。 UInt*

返回值

  • 对于正数 offset:从字符串左侧开始的 offset 个字节的 s 的子字符串。
  • 对于负数 offset:从字符串左侧开始的 length(s) - |offset| 个字节的 s 的子字符串。
  • 如果 length 为 0,则为空字符串。

示例

查询

SELECT leftUTF8('Привет', 4);

结果

Прив

查询

SELECT leftUTF8('Привет', -4);

结果

Пр

leftPad

在字符串左侧用空格或指定的字符串(如果需要,多次)填充,直到结果字符串达到指定的 length

语法

leftPad(string, length[, pad_string])

别名:LPAD

参数

  • string — 应该填充的输入字符串。 字符串
  • length — 结果字符串的长度。 UInt 或 Int。如果该值小于输入字符串长度,则输入字符串将缩短到 length 个字符。
  • pad_string — 用于填充输入字符串的字符串。 字符串。可选。如果未指定,则用空格填充输入字符串。

返回值

  • 给定长度的左填充字符串。 字符串

示例

SELECT leftPad('abc', 7, '*'), leftPad('def', 7);

结果

┌─leftPad('abc', 7, '*')─┬─leftPad('def', 7)─┐
│ ****abc │ def │
└────────────────────────┴───────────────────┘

leftPadUTF8

在字符串左侧用空格或指定的字符串(如果需要,多次)填充,直到结果字符串达到给定的长度。与 leftPad 以字节为单位测量字符串长度不同,字符串长度以代码点为单位测量。

语法

leftPadUTF8(string, length[, pad_string])

参数

  • string — 应该填充的输入字符串。 字符串
  • length — 结果字符串的长度。 UInt 或 Int。如果该值小于输入字符串长度,则输入字符串将缩短到 length 个字符。
  • pad_string — 用于填充输入字符串的字符串。 字符串。可选。如果未指定,则用空格填充输入字符串。

返回值

  • 给定长度的左填充字符串。 字符串

示例

SELECT leftPadUTF8('абвг', 7, '*'), leftPadUTF8('дежз', 7);

结果

┌─leftPadUTF8('абвг', 7, '*')─┬─leftPadUTF8('дежз', 7)─┐
│ ***абвг │ дежз │
└─────────────────────────────┴────────────────────────┘

返回字符串 s 的子字符串,指定从右侧开始的 offset

语法

right(s, offset)

参数

返回值

  • 对于正数 offset:从字符串右侧开始的 offset 个字节的 s 的子字符串。
  • 对于负数 offset:从字符串右侧开始的 length(s) - |offset| 个字节的 s 的子字符串。
  • 如果 length 为 0,则为空字符串。

示例

查询

SELECT right('Hello', 3);

结果

llo

查询

SELECT right('Hello', -3);

结果

lo

rightUTF8

返回 UTF-8 编码字符串 s 的子字符串,指定从右侧开始的 offset

语法

rightUTF8(s, offset)

参数

  • s — 要从中计算子字符串的 UTF-8 编码字符串。 字符串FixedString
  • offset — 偏移量的字节数。 UInt*

返回值

  • 对于正数 offset:从字符串右侧开始的 offset 个字节的 s 的子字符串。
  • 对于负数 offset:从字符串右侧开始的 length(s) - |offset| 个字节的 s 的子字符串。
  • 如果 length 为 0,则为空字符串。

示例

查询

SELECT rightUTF8('Привет', 4);

结果

ивет

查询

SELECT rightUTF8('Привет', -4);

结果

ет

rightPad

在字符串右侧用空格或指定的字符串(如果需要,多次)填充,直到结果字符串达到指定的 length

语法

rightPad(string, length[, pad_string])

别名:RPAD

参数

  • string — 应该填充的输入字符串。 字符串
  • length — 结果字符串的长度。 UInt 或 Int。如果该值小于输入字符串长度,则输入字符串将缩短到 length 个字符。
  • pad_string — 用于填充输入字符串的字符串。 字符串。可选。如果未指定,则用空格填充输入字符串。

返回值

  • 给定长度的左填充字符串。 字符串

示例

SELECT rightPad('abc', 7, '*'), rightPad('abc', 7);

结果

┌─rightPad('abc', 7, '*')─┬─rightPad('abc', 7)─┐
│ abc**** │ abc │
└─────────────────────────┴────────────────────┘

rightPadUTF8

在字符串右侧用空格或指定的字符串(如果需要,多次)填充,直到结果字符串达到给定的长度。与 rightPad 以字节为单位测量字符串长度不同,字符串长度以代码点为单位测量。

语法

rightPadUTF8(string, length[, pad_string])

参数

  • string — 应该填充的输入字符串。 字符串
  • length — 结果字符串的长度。 UInt 或 Int。如果该值小于输入字符串长度,则输入字符串将缩短到 length 个字符。
  • pad_string — 用于填充输入字符串的字符串。 字符串。可选。如果未指定,则用空格填充输入字符串。

返回值

  • 给定长度的右填充字符串。 字符串

示例

SELECT rightPadUTF8('абвг', 7, '*'), rightPadUTF8('абвг', 7);

结果

┌─rightPadUTF8('абвг', 7, '*')─┬─rightPadUTF8('абвг', 7)─┐
│ абвг*** │ абвг │
└──────────────────────────────┴─────────────────────────┘

lower

将字符串中的 ASCII 拉丁字符转换为小写。

*语法**

lower(input)

别名:lcase

参数

返回值

示例

查询

SELECT lower('CLICKHOUSE');
┌─lower('CLICKHOUSE')─┐
│ clickhouse │
└─────────────────────┘

upper

将字符串中的 ASCII 拉丁字符转换为大写。

语法

upper(input)

别名:ucase

参数

返回值

示例

查询

SELECT upper('clickhouse');
┌─upper('clickhouse')─┐
│ CLICKHOUSE │
└─────────────────────┘

lowerUTF8

将字符串转换为小写,假设字符串包含有效的 UTF-8 编码文本。如果违反此假设,则不会抛出异常,结果未定义。

注意

不检测语言,例如对于土耳其语,结果可能不完全正确 (i/İ 与 i/I)。如果 UTF-8 字节序列的长度对于代码点的上下文中不同(例如 ß),则此代码点的结果可能不正确。

语法

lowerUTF8(input)

参数

返回值

示例

查询

SELECT lowerUTF8('MÜNCHEN') as Lowerutf8;

结果

┌─Lowerutf8─┐
│ münchen │
└───────────┘

upperUTF8

将字符串转换为大写,假设字符串包含有效的 UTF-8 编码文本。如果违反此假设,则不会抛出异常,结果未定义。

注意

不检测语言,例如对于土耳其语,结果可能不完全正确 (i/İ 与 i/I)。如果 UTF-8 字节序列的长度对于代码点的上下文中不同(例如 ß),则此代码点的结果可能不正确。

语法

upperUTF8(input)

参数

返回值

示例

查询

SELECT upperUTF8('München') as Upperutf8;

结果

┌─Upperutf8─┐
│ MÜNCHEN │
└───────────┘

isValidUTF8

如果字节集构成有效的 UTF-8 编码文本,则返回 1,否则返回 0。

语法

isValidUTF8(input)

参数

返回值

  • 如果字节集构成有效的 UTF-8 编码文本,则返回 1,否则返回 0

查询

SELECT isValidUTF8('\xc3\xb1') AS valid, isValidUTF8('\xc3\x28') AS invalid;

结果

┌─valid─┬─invalid─┐
│ 1 │ 0 │
└───────┴─────────┘

toValidUTF8

(U+FFFD) 字符替换无效的 UTF-8 字符。所有连续的无效字符都折叠为一个替换字符。

语法

toValidUTF8(input_string)

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

  • 有效的 UTF-8 字符串。

示例

SELECT toValidUTF8('\x61\xF0\x80\x80\x80b');
┌─toValidUTF8('a����b')─┐
│ a�b │
└───────────────────────┘

repeat

将字符串自身连接指定次数。

语法

repeat(s, n)

别名:REPEAT

参数

返回值

包含字符串 s 重复 n 次的结果字符串。如果 n <= 0,则函数返回空字符串。 字符串

示例

SELECT repeat('abc', 10);

结果

┌─repeat('abc', 10)──────────────┐
│ abcabcabcabcabcabcabcabcabcabc │
└────────────────────────────────┘

space

将空格 ( ) 自身连接指定次数。

语法

space(n)

别名:SPACE

参数

返回值

包含字符串 重复 n 次的结果字符串。如果 n <= 0,则函数返回空字符串。 字符串

示例

查询

SELECT space(3);

结果

┌─space(3) ────┐
│ │
└──────────────┘

reverse

反转字符串中字节的顺序。

reverseUTF8

反转字符串中 Unicode 代码点的顺序。假设字符串包含有效的 UTF-8 编码文本。如果此假设被违反,则不会抛出异常,结果未定义。

concat

连接给定的参数。

语法

concat(s1, s2, ...)

参数

任意类型的值。

不是 字符串FixedString 类型的参数将使用其默认序列化转换为字符串。由于这会降低性能,因此不建议使用非字符串/FixedString 参数。

返回值

通过连接参数创建的字符串。

如果任何参数为 NULL,则函数返回 NULL

示例

查询

SELECT concat('Hello, ', 'World!');

结果

┌─concat('Hello, ', 'World!')─┐
│ Hello, World! │
└─────────────────────────────┘

查询

SELECT concat(42, 144);

结果

┌─concat(42, 144)─┐
│ 42144 │
└─────────────────┘

concatAssumeInjective

类似于 concat,但假设 concat(s1, s2, ...) → sn 是单射的。可用于优化 GROUP BY。

如果一个函数对于不同的参数返回不同的结果,则称该函数为单射的。换句话说:不同的参数永远不会产生相同的结果。

语法

concatAssumeInjective(s1, s2, ...)

参数

字符串或 FixedString 类型的值。

返回值

通过连接参数创建的字符串。

如果任何参数值为 NULL,则函数返回 NULL

示例

输入表

CREATE TABLE key_val(`key1` String, `key2` String, `value` UInt32) ENGINE = TinyLog;
INSERT INTO key_val VALUES ('Hello, ','World',1), ('Hello, ','World',2), ('Hello, ','World!',3), ('Hello',', World!',2);
SELECT * from key_val;
┌─key1────┬─key2─────┬─value─┐
│ Hello, │ World │ 1 │
│ Hello, │ World │ 2 │
│ Hello, │ World! │ 3 │
│ Hello │ , World! │ 2 │
└─────────┴──────────┴───────┘
SELECT concat(key1, key2), sum(value) FROM key_val GROUP BY concatAssumeInjective(key1, key2);

结果

┌─concat(key1, key2)─┬─sum(value)─┐
│ Hello, World! │ 3 │
│ Hello, World! │ 2 │
│ Hello, World │ 3 │
└────────────────────┴────────────┘

concatWithSeparator

使用给定的分隔符连接给定的字符串。

语法

concatWithSeparator(sep, expr1, expr2, expr3...)

别名:concat_ws

参数

  • sep — 分隔符。常量 字符串FixedString
  • exprN — 要连接的表达式。不是 字符串FixedString 类型的参数将使用其默认序列化转换为字符串。由于这会降低性能,因此不建议使用非字符串/FixedString 参数。

返回值

通过连接参数创建的字符串。

如果任何参数值为 NULL,则函数返回 NULL

示例

SELECT concatWithSeparator('a', '1', '2', '3', '4')

结果

┌─concatWithSeparator('a', '1', '2', '3', '4')─┐
│ 1a2a3a4 │
└──────────────────────────────────────────────┘

concatWithSeparatorAssumeInjective

类似于 concatWithSeparator,但假设 concatWithSeparator(sep, expr1, expr2, expr3...) → result 是单射的。可用于优化 GROUP BY。

如果一个函数对于不同的参数返回不同的结果,则称该函数为单射的。换句话说:不同的参数永远不会产生相同的结果。

substring

返回字符串 s 的子字符串,该子字符串从指定的字节索引 offset 开始。字节计数从 1 开始。如果 offset 为 0,则返回空字符串。如果 offset 为负数,则子字符串从字符串末尾开始 pos 个字符,而不是从开头开始。可选参数 length 指定返回的子字符串的最大字节数。

语法

substring(s, offset[, length])

别名

  • substr
  • mid
  • byteSlice

参数

  • s — 要从中计算子字符串的字符串。 字符串FixedString枚举
  • offset — 子字符串在 s 中的起始位置。 (U)Int*
  • length — 子字符串的最大长度。 (U)Int*。可选。

返回值

从索引 offset 开始,包含 length 个字节的 s 的子字符串。 字符串

示例

SELECT 'database' AS db, substr(db, 5), substr(db, 5, 1)

结果

┌─db───────┬─substring('database', 5)─┬─substring('database', 5, 1)─┐
│ database │ base │ b │
└──────────┴──────────────────────────┴─────────────────────────────┘

substringUTF8

返回字符串 s 的子字符串,该子字符串从指定的字节索引 offset 开始,用于 Unicode 代码点。字节计数从 1 开始。如果 offset0,则返回空字符串。如果 offset 为负数,则子字符串从字符串末尾开始 pos 个字符,而不是从开头开始。可选参数 length 指定返回的子字符串的最大字节数。

假设字符串包含有效的 UTF-8 编码文本。如果此假设被违反,则不会抛出异常,结果未定义。

语法

substringUTF8(s, offset[, length])

参数

  • s — 要从中计算子字符串的字符串。 字符串FixedString枚举
  • offset — 子字符串在 s 中的起始位置。 (U)Int*
  • length — 子字符串的最大长度。 (U)Int*。可选。

返回值

从索引 offset 开始,包含 length 个字节的 s 的子字符串。

实现细节

假设字符串包含有效的 UTF-8 编码文本。如果此假设被违反,则不会抛出异常,结果未定义。

示例

SELECT 'Täglich grüßt das Murmeltier.' AS str,
substringUTF8(str, 9),
substringUTF8(str, 9, 5)
Täglich grüßt das Murmeltier.   grüßt das Murmeltier.   grüßt

substringIndex

返回 s 在分隔符 delim 出现的 count 次之前之前的子字符串,如 Spark 或 MySQL 中一样。

语法

substringIndex(s, delim, count)

别名:SUBSTRING_INDEX

参数

  • s — 要从中提取子字符串的字符串。 字符串
  • delim — 要分割的字符。 字符串
  • count — 在提取子字符串之前要计算的分隔符出现的次数。如果 count 为正,则返回最终分隔符(从左侧开始计数)左侧的所有内容。如果 count 为负,则返回最终分隔符(从右侧开始计数)右侧的所有内容。 UInt 或 Int

示例

SELECT substringIndex('www.clickhouse.com', '.', 2)

结果

┌─substringIndex('www.clickhouse.com', '.', 2)─┐
│ www.clickhouse │
└──────────────────────────────────────────────┘

substringIndexUTF8

返回 s 在分隔符 delim 出现的 count 次之前之前的子字符串,专门用于 Unicode 代码点。

假设字符串包含有效的 UTF-8 编码文本。如果此假设被违反,则不会抛出异常,结果未定义。

语法

substringIndexUTF8(s, delim, count)

参数

  • s — 要从中提取子字符串的字符串。 字符串
  • delim — 要分割的字符。 字符串
  • count — 在提取子字符串之前要计算的分隔符出现的次数。如果 count 为正,则返回最终分隔符(从左侧开始计数)左侧的所有内容。如果 count 为负,则返回最终分隔符(从右侧开始计数)右侧的所有内容。 UInt 或 Int

返回值

sdelim 出现的 count 次之前之前的子字符串 字符串

实现细节

假设字符串包含有效的 UTF-8 编码文本。如果此假设被违反,则不会抛出异常,结果未定义。

示例

SELECT substringIndexUTF8('www.straßen-in-europa.de', '.', 2)
www.straßen-in-europa

appendTrailingCharIfAbsent

如果 s 不为空且不以字符 c 结尾,则将字符 c 附加到字符串 s

语法

appendTrailingCharIfAbsent(s, c)

convertCharset

返回从编码 from 转换为编码 to 的字符串 s

语法

convertCharset(s, from, to)

base58Encode

使用 Base58 中的“比特币”字母表对字符串进行编码。

语法

base58Encode(plaintext)

参数

返回值

  • 包含参数编码值的字符串。 字符串

示例

SELECT base58Encode('Encoded');

结果

┌─base58Encode('Encoded')─┐
│ 3dc8KtHrwM │
└─────────────────────────┘

base58Decode

接受一个字符串并使用 Base58 编码方案使用“比特币”字母表对其进行解码。

语法

base58Decode(encoded)

参数

  • encoded字符串 列或常量。如果字符串不是有效的 Base58 编码值,则会抛出异常。

返回值

  • 包含参数解码值的字符串。 字符串

示例

SELECT base58Decode('3dc8KtHrwM');

结果

┌─base58Decode('3dc8KtHrwM')─┐
│ Encoded │
└────────────────────────────┘

tryBase58Decode

类似于 base58Decode,但在发生错误时返回空字符串。

语法

tryBase58Decode(encoded)

参数

  • encoded: 字符串 列或常量。如果字符串不是有效的 Base58 编码值,则在发生错误时返回空字符串。

返回值

  • 包含参数解码值的字符串。

示例

查询

SELECT tryBase58Decode('3dc8KtHrwM') as res, tryBase58Decode('invalid') as res_invalid;
┌─res─────┬─res_invalid─┐
│ Encoded │ │
└─────────┴─────────────┘

base64Encode

根据 RFC 4648 将字符串或 FixedString 编码为 base64。

别名:TO_BASE64

语法

base64Encode(plaintext)

参数

返回值

  • 包含参数编码值的字符串。

示例

SELECT base64Encode('clickhouse');

结果

┌─base64Encode('clickhouse')─┐
│ Y2xpY2tob3VzZQ== │
└────────────────────────────┘

base64URLEncode

根据 RFC 4648 将 URL(字符串或 FixedString)编码为带有 URL 特定修改的 base64。

语法

base64URLEncode(url)

参数

返回值

  • 包含参数编码值的字符串。

示例

SELECT base64URLEncode('https://clickhouse.ac.cn');

结果

┌─base64URLEncode('https://clickhouse.ac.cn')─┐
│ aHR0cDovL2NsaWNraG91c2UuY29t │
└───────────────────────────────────────────┘

base64Decode

接受一个字符串并根据 RFC 4648 从 base64 解码它。如果发生错误,则会抛出异常。

别名:FROM_BASE64

语法

base64Decode(encoded)

参数

  • encoded字符串 列或常量。如果字符串不是有效的 Base64 编码值,则会抛出异常。

返回值

  • 包含参数解码值的字符串。

示例

SELECT base64Decode('Y2xpY2tob3VzZQ==');

结果

┌─base64Decode('Y2xpY2tob3VzZQ==')─┐
│ clickhouse │
└──────────────────────────────────┘

base64URLDecode

接受一个 base64 编码的 URL 并根据 RFC 4648 从带有 URL 特定修改的 base64 解码它。如果发生错误,则会抛出异常。

语法

base64URLDecode(encodedUrl)

参数

  • encodedURL字符串 列或常量。如果字符串不是有效的带有 URL 特定修改的 Base64 编码值,则会抛出异常。

返回值

  • 包含参数解码值的字符串。

示例

SELECT base64URLDecode('aHR0cDovL2NsaWNraG91c2UuY29t');

结果

┌─base64URLDecode('aHR0cDovL2NsaWNraG91c2UuY29t')─┐
│ https://clickhouse.ac.cn │
└─────────────────────────────────────────────────┘

tryBase64Decode

类似于 base64Decode,但在发生错误时返回空字符串。

语法

tryBase64Decode(encoded)

参数

  • encoded字符串 列或常量。如果字符串不是有效的 Base64 编码值,则返回空字符串。

返回值

  • 包含参数解码值的字符串。

示例

查询

SELECT tryBase64Decode('RW5jb2RlZA==') as res, tryBase64Decode('invalid') as res_invalid;
┌─res────────┬─res_invalid─┐
│ clickhouse │ │
└────────────┴─────────────┘

tryBase64URLDecode

类似于 base64URLDecode,但在发生错误时返回空字符串。

语法

tryBase64URLDecode(encodedUrl)

参数

  • encodedURL字符串 列或常量。如果字符串不是有效的带有 URL 特定修改的 Base64 编码值,则返回空字符串。

返回值

  • 包含参数解码值的字符串。

示例

查询

SELECT tryBase64URLDecode('aHR0cDovL2NsaWNraG91c2UuY29t') as res, tryBase64Decode('aHR0cHM6Ly9jbGlja') as res_invalid;
┌─res────────────────────┬─res_invalid─┐
│ https://clickhouse.ac.cn │ │
└────────────────────────┴─────────────┘

endsWith

返回字符串 str 是否以 suffix 结尾。

语法

endsWith(str, suffix)

endsWithUTF8

返回字符串 str 是否以 suffix 结尾,endsWithUTF8endsWith 之间的区别在于 endsWithUTF8 通过 UTF-8 字符匹配 strsuffix

语法

endsWithUTF8(str, suffix)

示例

SELECT endsWithUTF8('中国', '\xbd'), endsWith('中国', '\xbd')

结果

┌─endsWithUTF8('中国', '½')─┬─endsWith('中国', '½')─┐
│ 0 │ 1 │
└──────────────────────────┴──────────────────────┘

startsWith

返回字符串str是否以prefix开头。

语法

startsWith(str, prefix)

示例

SELECT startsWith('Spider-Man', 'Spi');

startsWithUTF8

在版本中可用23.8及更高版本

返回字符串str是否以prefix开头,startsWithUTF8startsWith的区别在于startsWithUTF8使用UTF-8字符匹配strsuffix

示例

SELECT startsWithUTF8('中国', '\xe4'), startsWith('中国', '\xe4')

结果

┌─startsWithUTF8('中国', '⥩─┬─startsWith('中国', '⥩─┐
│ 0 │ 1 │
└────────────────────────────┴────────────────────────┘

trim

删除字符串开头或结尾的指定字符。如果未另行指定,则该函数将删除空格(ASCII 字符 32)。

语法

trim([[LEADING|TRAILING|BOTH] trim_character FROM] input_string)

参数

  • trim_character — 指定用于修剪的字符。 字符串
  • input_string — 用于修剪的字符串。 字符串

返回值

没有前导和/或尾随指定字符的字符串。 字符串

示例

SELECT trim(BOTH ' ()' FROM '(   Hello, world!   )');

结果

┌─trim(BOTH ' ()' FROM '(   Hello, world!   )')─┐
│ Hello, world! │
└───────────────────────────────────────────────┘

trimLeft

删除字符串开头连续出现的空格(ASCII 字符 32)。

语法

trimLeft(input_string)

别名:ltrim(input_string)

参数

  • input_string — 要修剪的字符串。 字符串

返回值

没有前导空格的字符串。 字符串

示例

SELECT trimLeft('     Hello, world!     ');

结果

┌─trimLeft('     Hello, world!     ')─┐
│ Hello, world! │
└─────────────────────────────────────┘

trimRight

删除字符串结尾连续出现的空格(ASCII 字符 32)。

语法

trimRight(input_string)

别名:rtrim(input_string)

参数

  • input_string — 要修剪的字符串。 字符串

返回值

没有尾随空格的字符串。 字符串

示例

SELECT trimRight('     Hello, world!     ');

结果

┌─trimRight('     Hello, world!     ')─┐
│ Hello, world! │
└──────────────────────────────────────┘

trimBoth

删除字符串两端连续出现的空格(ASCII 字符 32)。

语法

trimBoth(input_string)

别名:trim(input_string)

参数

  • input_string — 要修剪的字符串。 字符串

返回值

没有前导和尾随空格的字符串。 字符串

示例

SELECT trimBoth('     Hello, world!     ');

结果

┌─trimBoth('     Hello, world!     ')─┐
│ Hello, world! │
└─────────────────────────────────────┘

CRC32

使用 CRC-32-IEEE 802.3 多项式和初始值0xffffffff(zlib 实现)返回字符串的 CRC32 校验和。

结果类型为 UInt32。

CRC32IEEE

返回字符串的 CRC32 校验和,使用 CRC-32-IEEE 802.3 多项式。

结果类型为 UInt32。

CRC64

返回字符串的 CRC64 校验和,使用 CRC-64-ECMA 多项式。

结果类型为 UInt64。

normalizeQuery

用占位符?替换文字、文字序列和复杂别名(包含空格、超过两位数字或至少 36 字节长的字符串,例如 UUID)。

语法

normalizeQuery(x)

参数

返回值

  • 包含占位符的字符序列。 字符串

示例

查询

SELECT normalizeQuery('[1, 2, 3, x]') AS query;

结果

┌─query────┐
│ [?.., x] │
└──────────┘

normalizeQueryKeepNames

用占位符?替换文字、文字序列,但不替换复杂别名(包含空格、超过两位数字或至少 36 字节长的字符串,例如 UUID)。这有助于更好地分析复杂的查询日志。

语法

normalizeQueryKeepNames(x)

参数

返回值

  • 包含占位符的字符序列。 字符串

示例

查询

SELECT normalizeQuery('SELECT 1 AS aComplexName123'), normalizeQueryKeepNames('SELECT 1 AS aComplexName123');

结果

┌─normalizeQuery('SELECT 1 AS aComplexName123')─┬─normalizeQueryKeepNames('SELECT 1 AS aComplexName123')─┐
│ SELECT ? AS `?` │ SELECT ? AS aComplexName123 │
└───────────────────────────────────────────────┴────────────────────────────────────────────────────────┘

normalizedQueryHash

对于类似的查询,返回相同的 64 位哈希值,但不包含文字的值。可以帮助分析查询日志。

语法

normalizedQueryHash(x)

参数

返回值

示例

查询

SELECT normalizedQueryHash('SELECT 1 AS `xyz`') != normalizedQueryHash('SELECT 1 AS `abc`') AS res;

结果

┌─res─┐
│ 1 │
└─────┘

normalizedQueryHashKeepNames

normalizedQueryHash 一样,它返回相同的 64 位哈希值,但不包含类似查询的文字值,但它不会在哈希之前用占位符替换复杂别名(包含空格、超过两位数字或至少 36 字节长的字符串,例如 UUID)。可以帮助分析查询日志。

语法

normalizedQueryHashKeepNames(x)

参数

返回值

示例

SELECT normalizedQueryHash('SELECT 1 AS `xyz123`') != normalizedQueryHash('SELECT 1 AS `abc123`') AS normalizedQueryHash;
SELECT normalizedQueryHashKeepNames('SELECT 1 AS `xyz123`') != normalizedQueryHashKeepNames('SELECT 1 AS `abc123`') AS normalizedQueryHashKeepNames;

结果

┌─normalizedQueryHash─┐
│ 0 │
└─────────────────────┘
┌─normalizedQueryHashKeepNames─┐
│ 1 │
└──────────────────────────────┘

normalizeUTF8NFC

将字符串转换为 NFC 规范化形式,假设字符串是有效的 UTF8 编码文本。

语法

normalizeUTF8NFC(words)

参数

  • words — UTF8 编码的输入字符串。 字符串

返回值

  • 转换为 NFC 规范化形式的字符串。 字符串

示例

SELECT length('â'), normalizeUTF8NFC('â') AS nfc, length(nfc) AS nfc_len;

结果

┌─length('â')─┬─nfc─┬─nfc_len─┐
│ 2 │ â │ 2 │
└─────────────┴─────┴─────────┘

normalizeUTF8NFD

将字符串转换为 NFD 规范化形式,假设字符串是有效的 UTF8 编码文本。

语法

normalizeUTF8NFD(words)

参数

  • words — UTF8 编码的输入字符串。 字符串

返回值

  • 转换为 NFD 规范化形式的字符串。 字符串

示例

SELECT length('â'), normalizeUTF8NFD('â') AS nfd, length(nfd) AS nfd_len;

结果

┌─length('â')─┬─nfd─┬─nfd_len─┐
│ 2 │ â │ 3 │
└─────────────┴─────┴─────────┘

normalizeUTF8NFKC

将字符串转换为 NFKC 规范化形式,假设字符串是有效的 UTF8 编码文本。

语法

normalizeUTF8NFKC(words)

参数

  • words — UTF8 编码的输入字符串。 字符串

返回值

  • 转换为 NFKC 规范化形式的字符串。 字符串

示例

SELECT length('â'), normalizeUTF8NFKC('â') AS nfkc, length(nfkc) AS nfkc_len;

结果

┌─length('â')─┬─nfkc─┬─nfkc_len─┐
│ 2 │ â │ 2 │
└─────────────┴──────┴──────────┘

normalizeUTF8NFKD

将字符串转换为 NFKD 规范化形式,假设字符串是有效的 UTF8 编码文本。

语法

normalizeUTF8NFKD(words)

参数

  • words — UTF8 编码的输入字符串。 字符串

返回值

  • 转换为 NFKD 规范化形式的字符串。 字符串

示例

SELECT length('â'), normalizeUTF8NFKD('â') AS nfkd, length(nfkd) AS nfkd_len;

结果

┌─length('â')─┬─nfkd─┬─nfkd_len─┐
│ 2 │ â │ 3 │
└─────────────┴──────┴──────────┘

encodeXMLComponent

转义 XML 中具有特殊含义的字符,以便之后可以将其放置到 XML 文本节点或属性中。

替换以下字符:<&>"'。另请参阅 XML 和 HTML 字符实体引用列表

语法

encodeXMLComponent(x)

参数

返回值

示例

SELECT encodeXMLComponent('Hello, "world"!');
SELECT encodeXMLComponent('<123>');
SELECT encodeXMLComponent('&clickhouse');
SELECT encodeXMLComponent('\'foo\'');

结果

Hello, &quot;world&quot;!
&lt;123&gt;
&amp;clickhouse
&apos;foo&apos;

decodeXMLComponent

取消转义 XML 中具有特殊含义的子字符串。这些子字符串为:&quot; &amp; &apos; &gt; &lt;

此函数还将数字字符引用替换为 Unicode 字符。支持十进制(如&#10003;)和十六进制(&#x2713;)形式。

语法

decodeXMLComponent(x)

参数

返回值

示例

SELECT decodeXMLComponent('&apos;foo&apos;');
SELECT decodeXMLComponent('&lt; &#x3A3; &gt;');

结果

'foo'
< Σ >

decodeHTMLComponent

取消转义 HTML 中具有特殊含义的子字符串。例如:&hbar; &gt; &diamondsuit; &heartsuit; &lt; 等。

此函数还将数字字符引用替换为 Unicode 字符。支持十进制(如&#10003;)和十六进制(&#x2713;)形式。

语法

decodeHTMLComponent(x)

参数

返回值

示例

SELECT decodeHTMLComponent(''CH');
SELECT decodeHTMLComponent('I&heartsuit;ClickHouse');

结果

'CH'
I♥ClickHouse'

extractTextFromHTML

此函数从 HTML 或 XHTML 中提取纯文本。

它不完全符合 HTML、XML 或 XHTML 规范,但实现相当准确且快速。规则如下

  1. 跳过注释。例如:<!-- test -->。注释必须以-->结尾。不允许嵌套注释。注意:<!--><!--->之类的结构在 HTML 中不是有效的注释,但它们会被其他规则跳过。
  2. 逐字粘贴 CDATA。注意:CDATA 是 XML/XHTML 特定的,并且基于“尽力而为”的基础进行处理。
  3. scriptstyle元素及其所有内容都被删除。注意:假设结束标签不能出现在内容内部。例如,在 JS 字符串文字中必须转义为"<\/script>"。注意:注释和 CDATA 可能在scriptstyle内部 - 然后在 CDATA 内部不搜索结束标签。例如:<script><![CDATA[</script>]]></script>。但它们仍在注释内部搜索。有时会变得复杂:<script>var x = "<!--"; </script> var y = "-->"; alert(x + y);</script> 注意:scriptstyle可以是 XML 命名空间的名称 - 然后它们不被视为普通的scriptstyle元素。例如:<script:a>Hello</script:a>。注意:在结束标签名称后可能存在空格:</script >,但在之前不存在:< / script>
  4. 跳过其他标签或类似标签的元素,不包含内部内容。例如:<a>.</a> 注意:预计此 HTML 非法:<a test=">"></a> 注意:它还跳过类似标签的内容:<><!>等。注意:没有结束的标签会被跳过到输入的末尾:<hello
  5. HTML 和 XML 实体不会被解码。它们必须由单独的函数处理。
  6. 文本中的空格会根据特定规则折叠或插入。
    • 开头和结尾的空格将被删除。
    • 连续的空格将被折叠。
    • 但是,如果文本由其他元素分隔并且没有空格,则会插入空格。
    • 这可能会导致不自然的示例:Hello<b>world</b>Hello<!-- -->world - HTML 中没有空格,但该函数会插入空格。另请考虑:Hello<p>world</p>Hello<br>world。此行为对于数据分析是合理的,例如将 HTML 转换为词袋。
  7. 另请注意,正确处理空格需要支持<pre></pre>和 CSS displaywhite-space属性。

语法

extractTextFromHTML(x)

参数

返回值

示例

第一个示例包含多个标签和一个注释,还显示了空格处理。第二个示例显示了CDATAscript标签处理。在第三个示例中,从 url 函数接收到的完整 HTML 响应中提取文本。

SELECT extractTextFromHTML(' <p> A text <i>with</i><b>tags</b>. <!-- comments --> </p> ');
SELECT extractTextFromHTML('<![CDATA[The content within <b>CDATA</b>]]> <script>alert("Script");</script>');
SELECT extractTextFromHTML(html) FROM url('http://www.donothingfor2minutes.com/', RawBLOB, 'html String');

结果

A text with tags .
The content within <b>CDATA</b>
Do Nothing for 2 Minutes 2:00 &nbsp;

ascii

返回字符串s第一个字符的 ASCII 代码点(作为 Int32)。

如果s为空,则结果为 0。如果第一个字符不是 ASCII 字符或不是 UTF-16 的 Latin-1 补充范围的一部分,则结果未定义。

语法

ascii(s)

soundex

返回字符串的 Soundex 代码

语法

soundex(val)

参数

返回值

示例

select soundex('aksel');

结果

┌─soundex('aksel')─┐
│ A240 │
└──────────────────┘

punycodeEncode

返回字符串的 Punycode 表示形式。字符串必须是 UTF8 编码的,否则行为未定义。

语法

punycodeEncode(val)

参数

返回值

  • 输入值的 Punycode 表示形式。 字符串

示例

select punycodeEncode('München');

结果

┌─punycodeEncode('München')─┐
│ Mnchen-3ya │
└───────────────────────────┘

punycodeDecode

返回 Punycode 编码字符串的 UTF8 编码纯文本。如果未提供有效的 Punycode 编码字符串,则抛出异常。

语法

punycodeEncode(val)

参数

  • val — Punycode 编码字符串。 字符串

返回值

示例

select punycodeDecode('Mnchen-3ya');

结果

┌─punycodeDecode('Mnchen-3ya')─┐
│ München │
└──────────────────────────────┘

tryPunycodeDecode

类似于 punycodeDecode,但如果未提供有效的 Punycode 编码字符串,则返回空字符串。

idnaEncode

根据 应用程序中的国际化域名 (IDNA) 机制,返回域名对应的 ASCII 表示形式(ToASCII 算法)。输入字符串必须是 UTF 编码的并且可以转换为 ASCII 字符串,否则会抛出异常。注意:不执行百分比解码或修剪制表符、空格或控制字符。

语法

idnaEncode(val)

参数

返回值

  • 根据 IDNA 机制对输入值进行 ASCII 表示。 字符串

示例

select idnaEncode('straße.münchen.de');

结果

┌─idnaEncode('straße.münchen.de')─────┐
│ xn--strae-oqa.xn--mnchen-3ya.de │
└─────────────────────────────────────┘

tryIdnaEncode

类似于 idnaEncode,但在发生错误时返回空字符串而不是抛出异常。

idnaDecode

根据 应用程序中的国际化域名 (IDNA) 机制,返回域名对应的 Unicode(UTF-8)表示形式(ToUnicode 算法)。如果发生错误(例如,因为输入无效),则返回输入字符串。请注意,由于大小写规范化,重复应用 idnaEncode()idnaDecode() 不一定会返回原始字符串。

语法

idnaDecode(val)

参数

返回值

  • 根据 IDNA 机制对输入值进行 Unicode(UTF-8)表示。 字符串

示例

select idnaDecode('xn--strae-oqa.xn--mnchen-3ya.de');

结果

┌─idnaDecode('xn--strae-oqa.xn--mnchen-3ya.de')─┐
│ straße.münchen.de │
└───────────────────────────────────────────────┘

byteHammingDistance

计算两个字节字符串之间的 汉明距离

语法

byteHammingDistance(string1, string2)

示例

SELECT byteHammingDistance('karolin', 'kathrin');

结果

┌─byteHammingDistance('karolin', 'kathrin')─┐
│ 3 │
└───────────────────────────────────────────┘

别名:mismatches

stringJaccardIndex

计算两个字节字符串之间的 Jaccard 相似度指数

语法

stringJaccardIndex(string1, string2)

示例

SELECT stringJaccardIndex('clickhouse', 'mouse');

结果

┌─stringJaccardIndex('clickhouse', 'mouse')─┐
│ 0.4 │
└───────────────────────────────────────────┘

stringJaccardIndexUTF8

类似于 stringJaccardIndex,但适用于 UTF8 编码的字符串。

editDistance

计算两个字节字符串之间的 编辑距离

语法

editDistance(string1, string2)

示例

SELECT editDistance('clickhouse', 'mouse');

结果

┌─editDistance('clickhouse', 'mouse')─┐
│ 6 │
└─────────────────────────────────────┘

别名:levenshteinDistance

editDistanceUTF8

计算两个 UTF8 字符串之间的 编辑距离

语法

editDistanceUTF8(string1, string2)

示例

SELECT editDistanceUTF8('我是谁', '我是我');

结果

┌─editDistanceUTF8('我是谁', '我是我')──┐
│ 1 │
└─────────────────────────────────────┘

别名:levenshteinDistanceUTF8

damerauLevenshteinDistance

计算两个字节字符串之间的 Damerau-Levenshtein 距离

语法

damerauLevenshteinDistance(string1, string2)

示例

SELECT damerauLevenshteinDistance('clickhouse', 'mouse');

结果

┌─damerauLevenshteinDistance('clickhouse', 'mouse')─┐
│ 6 │
└───────────────────────────────────────────────────┘

jaroSimilarity

计算两个字节字符串之间的 Jaro 相似度

语法

jaroSimilarity(string1, string2)

示例

SELECT jaroSimilarity('clickhouse', 'click');

结果

┌─jaroSimilarity('clickhouse', 'click')─┐
│ 0.8333333333333333 │
└───────────────────────────────────────┘

jaroWinklerSimilarity

计算两个字节字符串之间的 Jaro-Winkler 相似度

语法

jaroWinklerSimilarity(string1, string2)

示例

SELECT jaroWinklerSimilarity('clickhouse', 'click');

结果

┌─jaroWinklerSimilarity('clickhouse', 'click')─┐
│ 0.8999999999999999 │
└──────────────────────────────────────────────┘

initcap

将每个单词的第一个字母转换为大写,其余字母转换为小写。单词是由非字母数字字符分隔的字母数字字符序列。

注意

因为 initCap 只将每个单词的第一个字母转换为大写,所以您可能会观察到包含撇号或大写字母的单词出现意外行为。例如

SELECT initCap('mother''s daughter'), initCap('joe McAdam');

将返回

┌─initCap('mother\'s daughter')─┬─initCap('joe McAdam')─┐
│ Mother'S Daughter │ Joe Mcadam │
└───────────────────────────────┴───────────────────────┘

这是一个已知行为,目前没有计划修复它。

语法

initcap(val)

参数

返回值

  • val,其中每个单词的第一个字母已转换为大写。 字符串

示例

查询

SELECT initcap('building for fast');

结果

┌─initcap('building for fast')─┐
│ Building For Fast │
└──────────────────────────────┘

initcapUTF8

类似于 initcapinitcapUTF8 将每个单词的第一个字母转换为大写,其余字母转换为小写。假设字符串包含有效的 UTF-8 编码文本。如果违反此假设,则不会抛出异常,结果未定义。

注意

此函数不检测语言,例如对于土耳其语,结果可能不完全正确(i/İ 与 i/I)。如果 UTF-8 字节序列的长度对于某个代码点的上下大小写不同,则该代码点的结果可能不正确。

语法

initcapUTF8(val)

参数

返回值

  • val,其中每个单词的第一个字母已转换为大写。 字符串

示例

查询

SELECT initcapUTF8('не тормозит');

结果

┌─initcapUTF8('не тормозит')─┐
│ Не Тормозит │
└────────────────────────────┘

firstLine

从多行字符串中返回第一行。

语法

firstLine(val)

参数

返回值

  • 输入值的第一行,如果不存在换行符,则为整个值。 字符串

示例

select firstLine('foo\nbar\nbaz');

结果

┌─firstLine('foo\nbar\nbaz')─┐
│ foo │
└────────────────────────────┘