跳到主要内容
跳到主要内容
编辑此页

字符串搜索函数

默认情况下,本节中的所有函数都区分大小写地搜索。不区分大小写的搜索通常由单独的函数变体提供。

注意

不区分大小写的搜索遵循英语的大小写规则。例如,英语中大写的 iI,而在土耳其语中是 İ - 对于英语以外的语言,结果可能出乎意料。

本节中的函数还假定被搜索的字符串(在本节中称为 haystack)和搜索字符串(在本节中称为 needle)是单字节编码的文本。如果此假设被违反,则不会抛出异常,并且结果是未定义的。UTF-8 编码字符串的搜索通常由单独的函数变体提供。同样,如果使用 UTF-8 函数变体,但输入字符串不是 UTF-8 编码的文本,则不会抛出异常,并且结果是未定义的。请注意,不执行自动 Unicode 规范化,但是您可以使用 normalizeUTF8*() 函数来实现。

通用字符串函数用于替换字符串的函数 将单独描述。

position

返回子字符串 needle 在字符串 haystack 中的位置(以字节为单位,从 1 开始)。

语法

position(haystack, needle[, start_pos])

别名

  • position(needle IN haystack)

参数

  • haystack — 执行搜索的字符串。 StringEnum
  • needle — 要搜索的子字符串。 String
  • start_pos – 在 haystack 中开始搜索的位置(从 1 开始)。 UInt。 可选。

返回值

  • 如果找到子字符串,则返回起始位置(以字节为单位,从 1 开始计数)。 UInt64
  • 如果未找到子字符串,则返回 0。 UInt64

如果子字符串 needle 为空,则适用以下规则

  • 如果未指定 start_pos:返回 1
  • 如果 start_pos = 0:返回 1
  • 如果 start_pos >= 1start_pos <= length(haystack) + 1:返回 start_pos
  • 否则:返回 0

相同的规则也适用于函数 locatepositionCaseInsensitivepositionUTF8positionCaseInsensitiveUTF8

示例

查询

SELECT position('Hello, world!', '!');

结果

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

带有 start_pos 参数的示例

查询

SELECT
position('Hello, world!', 'o', 1),
position('Hello, world!', 'o', 7)

结果

┌─position('Hello, world!', 'o', 1)─┬─position('Hello, world!', 'o', 7)─┐
│ 5 │ 9 │
└───────────────────────────────────┴───────────────────────────────────┘

needle IN haystack 语法示例

查询

SELECT 6 = position('/' IN s) FROM (SELECT 'Hello/World' AS s);

结果

┌─equals(6, position(s, '/'))─┐
│ 1 │
└─────────────────────────────┘

needle 子字符串的示例

查询

SELECT
position('abc', ''),
position('abc', '', 0),
position('abc', '', 1),
position('abc', '', 2),
position('abc', '', 3),
position('abc', '', 4),
position('abc', '', 5)

结果

┌─position('abc', '')─┬─position('abc', '', 0)─┬─position('abc', '', 1)─┬─position('abc', '', 2)─┬─position('abc', '', 3)─┬─position('abc', '', 4)─┬─position('abc', '', 5)─┐
│ 1 │ 1 │ 1 │ 2 │ 3 │ 4 │ 0 │
└─────────────────────┴────────────────────────┴────────────────────────┴────────────────────────┴────────────────────────┴────────────────────────┴────────────────────────┘

locate

类似于 position,但参数 haystacklocate 已切换。

此函数的行为取决于 ClickHouse 版本

  • 在版本 < v24.3 中,locate 是函数 position 的别名,并接受参数 (haystack, needle[, start_pos])
  • 在版本 >= 24.3 中,locate 是一个单独的函数(为了更好地与 MySQL 兼容),并接受参数 (needle, haystack[, start_pos])。可以使用设置 function_locate_has_mysql_compatible_argument_order = false; 恢复以前的行为;

语法

locate(needle, haystack[, start_pos])

positionCaseInsensitive

不区分大小写的 position 变体。

示例

查询

SELECT positionCaseInsensitive('Hello, world!', 'hello');

结果

┌─positionCaseInsensitive('Hello, world!', 'hello')─┐
│ 1 │
└───────────────────────────────────────────────────┘

positionUTF8

类似于 position,但假定 haystackneedle 是 UTF-8 编码的字符串。

示例

函数 positionUTF8 正确地将字符 ö(由两个点表示)计数为单个 Unicode 代码点

查询

SELECT positionUTF8('Motörhead', 'r');

结果

┌─position('Motörhead', 'r')─┐
│ 5 │
└────────────────────────────┘

positionCaseInsensitiveUTF8

类似于 positionUTF8,但搜索不区分大小写。

multiSearchAllPositions

类似于 position,但为字符串 haystack 中的多个 needle 子字符串返回位置数组(以字节为单位,从 1 开始)。

注意

所有 multiSearch*() 函数仅支持最多 28 个 needle。

语法

multiSearchAllPositions(haystack, [needle1, needle2, ..., needleN])

参数

  • haystack — 执行搜索的字符串。 String
  • needle — 要搜索的子字符串。 Array

返回值

  • 如果找到子字符串,则返回起始位置数组(以字节为单位,从 1 开始计数)。
  • 如果未找到子字符串,则返回 0。

示例

查询

SELECT multiSearchAllPositions('Hello, World!', ['hello', '!', 'world']);

结果

┌─multiSearchAllPositions('Hello, World!', ['hello', '!', 'world'])─┐
│ [0,13,0] │
└───────────────────────────────────────────────────────────────────┘

multiSearchAllPositionsCaseInsensitive

类似于 multiSearchAllPositions,但不区分大小写。

语法

multiSearchAllPositionsCaseInsensitive(haystack, [needle1, needle2, ..., needleN])

参数

  • haystack — 执行搜索的字符串。 String
  • needle — 要搜索的子字符串。 Array

返回值

  • 如果找到子字符串,则返回起始位置数组(以字节为单位,从 1 开始计数)。
  • 如果未找到子字符串,则返回 0。

示例

查询

SELECT multiSearchAllPositionsCaseInsensitive('ClickHouse',['c','h']);

结果

["1","6"]

multiSearchAllPositionsUTF8

类似于 multiSearchAllPositions,但假定 haystackneedle 子字符串是 UTF-8 编码的字符串。

语法

multiSearchAllPositionsUTF8(haystack, [needle1, needle2, ..., needleN])

参数

  • haystack — 在其中执行搜索的 UTF-8 编码字符串。 String
  • needle — 要搜索的 UTF-8 编码子字符串。 Array

返回值

  • 如果找到子字符串,则返回起始位置数组(以字节为单位,从 1 开始计数)。
  • 如果未找到子字符串,则返回 0。

示例

给定 ClickHouse 作为 UTF-8 字符串,查找 C (\x43) 和 H (\x48) 的位置。

查询

SELECT multiSearchAllPositionsUTF8('\x43\x6c\x69\x63\x6b\x48\x6f\x75\x73\x65',['\x43','\x48']);

结果

["1","6"]

multiSearchAllPositionsCaseInsensitiveUTF8

类似于 multiSearchAllPositionsUTF8,但不区分大小写。

语法

multiSearchAllPositionsCaseInsensitiveUTF8(haystack, [needle1, needle2, ..., needleN])

参数

  • haystack — 在其中执行搜索的 UTF-8 编码字符串。 String
  • needle — 要搜索的 UTF-8 编码子字符串。 Array

返回值

  • 如果找到子字符串,则返回起始位置数组(以字节为单位,从 1 开始计数)。
  • 如果未找到子字符串,则返回 0。

示例

给定 ClickHouse 作为 UTF-8 字符串,查找 c (\x63) 和 h (\x68) 的位置。

查询

SELECT multiSearchAllPositionsCaseInsensitiveUTF8('\x43\x6c\x69\x63\x6b\x48\x6f\x75\x73\x65',['\x63','\x68']);

结果

["1","6"]

multiSearchFirstPosition

类似于 position,但返回 haystack 字符串中最左侧的偏移量,该偏移量与多个 needle 字符串中的任何一个匹配。

函数 multiSearchFirstPositionCaseInsensitivemultiSearchFirstPositionUTF8multiSearchFirstPositionCaseInsensitiveUTF8 提供了此函数的不区分大小写和/或 UTF-8 变体。

语法

multiSearchFirstPosition(haystack, [needle1, needle2, ..., needleN])

参数

  • haystack — 执行搜索的字符串。 String
  • needle — 要搜索的子字符串。 Array

返回值

  • haystack 字符串中最左侧的偏移量,该偏移量与多个 needle 字符串中的任何一个匹配。
  • 如果没有匹配项,则返回 0。

示例

查询

SELECT multiSearchFirstPosition('Hello World',['llo', 'Wor', 'ld']);

结果

3

multiSearchFirstPositionCaseInsensitive

类似于 multiSearchFirstPosition,但不区分大小写。

语法

multiSearchFirstPositionCaseInsensitive(haystack, [needle1, needle2, ..., needleN])

参数

  • haystack — 执行搜索的字符串。 String
  • needle — 要搜索的子字符串数组。 Array

返回值

  • haystack 字符串中最左侧的偏移量,该偏移量与多个 needle 字符串中的任何一个匹配。
  • 如果没有匹配项,则返回 0。

示例

查询

SELECT multiSearchFirstPositionCaseInsensitive('HELLO WORLD',['wor', 'ld', 'ello']);

结果

2

multiSearchFirstPositionUTF8

类似于 multiSearchFirstPosition,但假定 haystackneedle 是 UTF-8 字符串。

语法

multiSearchFirstPositionUTF8(haystack, [needle1, needle2, ..., needleN])

参数

  • haystack — 在其中执行搜索的 UTF-8 字符串。 String
  • needle — 要搜索的 UTF-8 子字符串数组。 Array

返回值

  • haystack 字符串中最左侧的偏移量,该偏移量与多个 needle 字符串中的任何一个匹配。
  • 如果没有匹配项,则返回 0。

示例

在 UTF-8 字符串 hello world 中查找与任何给定 needle 匹配的最左侧偏移量。

查询

SELECT multiSearchFirstPositionUTF8('\x68\x65\x6c\x6c\x6f\x20\x77\x6f\x72\x6c\x64',['wor', 'ld', 'ello']);

结果

2

multiSearchFirstPositionCaseInsensitiveUTF8

类似于 multiSearchFirstPosition,但假定 haystackneedle 是 UTF-8 字符串,并且不区分大小写。

语法

multiSearchFirstPositionCaseInsensitiveUTF8(haystack, [needle1, needle2, ..., needleN])

参数

  • haystack — 在其中执行搜索的 UTF-8 字符串。 String
  • needle — 要搜索的 UTF-8 子字符串数组。 Array

返回值

  • haystack 字符串中最左侧的偏移量,该偏移量与多个 needle 字符串中的任何一个匹配,忽略大小写。
  • 如果没有匹配项,则返回 0。

示例

在 UTF-8 字符串 HELLO WORLD 中查找与任何给定 needle 匹配的最左侧偏移量。

查询

SELECT multiSearchFirstPositionCaseInsensitiveUTF8('\x48\x45\x4c\x4c\x4f\x20\x57\x4f\x52\x4c\x44',['wor', 'ld', 'ello']);

结果

2

multiSearchFirstIndex

返回在字符串 haystack 中找到的最左侧 needlei 的索引 i(从 1 开始),否则返回 0。

函数 multiSearchFirstIndexCaseInsensitivemultiSearchFirstIndexUTF8multiSearchFirstIndexCaseInsensitiveUTF8 提供了此函数的不区分大小写和/或 UTF-8 变体。

语法

multiSearchFirstIndex(haystack, [needle1, needle2, ..., needleN])

参数

  • haystack — 执行搜索的字符串。 String
  • needle — 要搜索的子字符串。 Array

返回值

  • 找到的最左侧 needle 的索引(从 1 开始)。如果没有匹配项,则返回 0。 UInt8

示例

查询

SELECT multiSearchFirstIndex('Hello World',['World','Hello']);

结果

1

multiSearchFirstIndexCaseInsensitive

返回在字符串 haystack 中找到的最左侧 needlei 的索引 i(从 1 开始),否则返回 0。忽略大小写。

语法

multiSearchFirstIndexCaseInsensitive(haystack, [needle1, needle2, ..., needleN])

参数

  • haystack — 执行搜索的字符串。 String
  • needle — 要搜索的子字符串。 Array

返回值

  • 找到的最左侧 needle 的索引(从 1 开始)。如果没有匹配项,则返回 0。 UInt8

示例

查询

SELECT multiSearchFirstIndexCaseInsensitive('hElLo WoRlD',['World','Hello']);

结果

1

multiSearchFirstIndexUTF8

返回在字符串 haystack 中找到的最左侧 needlei 的索引 i(从 1 开始),否则返回 0。假定 haystackneedle 是 UTF-8 编码的字符串。

语法

multiSearchFirstIndexUTF8(haystack, [needle1, needle2, ..., needleN])

参数

  • haystack — 在其中执行搜索的 UTF-8 字符串。 String
  • needle — 要搜索的 UTF-8 子字符串数组。 Array

返回值

  • 找到的最左侧 needle 的索引(从 1 开始)。如果没有匹配项,则返回 0。 UInt8

示例

给定 Hello World 作为 UTF-8 字符串,查找 UTF-8 字符串 HelloWorld 的第一个索引。

查询

SELECT multiSearchFirstIndexUTF8('\x48\x65\x6c\x6c\x6f\x20\x57\x6f\x72\x6c\x64',['\x57\x6f\x72\x6c\x64','\x48\x65\x6c\x6c\x6f']);

结果

1

multiSearchFirstIndexCaseInsensitiveUTF8

返回在字符串 haystack 中找到的最左侧 needlei 的索引 i(从 1 开始),否则返回 0。假定 haystackneedle 是 UTF-8 编码的字符串。忽略大小写。

语法

multiSearchFirstIndexCaseInsensitiveUTF8(haystack, [needle1, needle2, ..., needleN])

参数

  • haystack — 在其中执行搜索的 UTF-8 字符串。 String
  • needle — 要搜索的 UTF-8 子字符串数组。 Array

返回值

  • 找到的最左侧 needle 的索引(从 1 开始)。如果没有匹配项,则返回 0。 UInt8

示例

给定 HELLO WORLD 作为 UTF-8 字符串,查找 UTF-8 字符串 helloworld 的第一个索引。

查询

SELECT multiSearchFirstIndexCaseInsensitiveUTF8('\x48\x45\x4c\x4c\x4f\x20\x57\x4f\x52\x4c\x44',['\x68\x65\x6c\x6c\x6f','\x77\x6f\x72\x6c\x64']);

结果

1

multiSearchAny

如果至少一个字符串 needlei 与字符串 haystack 匹配,则返回 1,否则返回 0。

函数 multiSearchAnyCaseInsensitivemultiSearchAnyUTF8multiSearchAnyCaseInsensitiveUTF8 提供了此函数的不区分大小写和/或 UTF-8 变体。

语法

multiSearchAny(haystack, [needle1, needle2, ..., needleN])

参数

  • haystack — 执行搜索的字符串。 String
  • needle — 要搜索的子字符串。 Array

返回值

  • 如果至少有一个匹配项,则返回 1。
  • 如果没有至少一个匹配项,则返回 0。

示例

查询

SELECT multiSearchAny('ClickHouse',['C','H']);

结果

1

multiSearchAnyCaseInsensitive

类似于 multiSearchAny,但不区分大小写。

语法

multiSearchAnyCaseInsensitive(haystack, [needle1, needle2, ..., needleN])

参数

  • haystack — 执行搜索的字符串。 String
  • needle — 要搜索的子字符串。 Array

返回值

  • 如果至少有一个不区分大小写的匹配项,则返回 1。
  • 如果没有至少一个不区分大小写的匹配项,则返回 0。

示例

查询

SELECT multiSearchAnyCaseInsensitive('ClickHouse',['c','h']);

结果

1

multiSearchAnyUTF8

类似于 multiSearchAny,但假定 haystackneedle 子字符串是 UTF-8 编码的字符串。

语法*

multiSearchAnyUTF8(haystack, [needle1, needle2, ..., needleN])

参数

  • haystack — 在其中执行搜索的 UTF-8 字符串。 String
  • needle — 要搜索的 UTF-8 子字符串。 Array

返回值

  • 如果至少有一个匹配项,则返回 1。
  • 如果没有至少一个匹配项,则返回 0。

示例

给定 ClickHouse 作为 UTF-8 字符串,检查单词中是否有任何 C ('\x43') 或 H ('\x48') 字母。

查询

SELECT multiSearchAnyUTF8('\x43\x6c\x69\x63\x6b\x48\x6f\x75\x73\x65',['\x43','\x48']);

结果

1

multiSearchAnyCaseInsensitiveUTF8

类似于 multiSearchAnyUTF8,但不区分大小写。

语法*

multiSearchAnyCaseInsensitiveUTF8(haystack, [needle1, needle2, ..., needleN])

参数

  • haystack — 在其中执行搜索的 UTF-8 字符串。 String
  • needle — 要搜索的 UTF-8 子字符串。 Array

返回值

  • 如果至少有一个不区分大小写的匹配项,则返回 1。
  • 如果没有至少一个不区分大小写的匹配项,则返回 0。

示例

给定 ClickHouse 作为 UTF-8 字符串,检查单词中是否包含字母 h(\x68),忽略大小写。

查询

SELECT multiSearchAnyCaseInsensitiveUTF8('\x43\x6c\x69\x63\x6b\x48\x6f\x75\x73\x65',['\x68']);

结果

1

match

返回字符串 haystack 是否与 re2 正则表达式语法 中的正则表达式 pattern 匹配。

匹配基于 UTF-8,例如,. 匹配 Unicode 代码点 ¥,该代码点在 UTF-8 中使用两个字节表示。正则表达式不得包含空字节。如果 haystack 或 pattern 不是有效的 UTF-8,则行为未定义。

与 re2 的默认行为不同,. 匹配换行符。要禁用此功能,请在模式前加上 (?-s)

如果您只想在字符串中搜索子字符串,可以使用函数 likeposition - 它们比此函数快得多。

语法

match(haystack, pattern)

别名:haystack REGEXP pattern operator

multiMatchAny

类似于 match,但如果至少一个模式匹配则返回 1,否则返回 0。

注意

multi[Fuzzy]Match*() 系列中的函数使用 (Vectorscan)[https://github.com/VectorCamp/vectorscan]库。因此,只有在 ClickHouse 编译时支持 vectorscan 时,这些函数才会被启用。

要关闭所有使用 hyperscan 的函数,请使用设置 SET allow_hyperscan = 0;

由于 vectorscan 的限制,haystack 字符串的长度必须小于 232 字节。

Hyperscan 通常容易受到正则表达式拒绝服务 (ReDoS) 攻击(例如,请参阅 (此处)[https://www.usenix.org/conference/usenixsecurity22/presentation/turonova],(此处)[https://doi.org/10.1007/s10664-021-10033-1]和 (此处)[https://doi.org/10.1145/3236024.3236027]。建议用户仔细检查提供的模式。

如果您只想在字符串中搜索多个子字符串,可以使用函数 multiSearchAny - 它比此函数快得多。

语法

multiMatchAny(haystack, \[pattern<sub>1</sub>, pattern<sub>2</sub>, ..., pattern<sub>n</sub>\])

multiMatchAnyIndex

类似于 multiMatchAny,但返回与 haystack 匹配的任何索引。

语法

multiMatchAnyIndex(haystack, \[pattern<sub>1</sub>, pattern<sub>2</sub>, ..., pattern<sub>n</sub>\])

multiMatchAllIndices

类似于 multiMatchAny,但返回以任意顺序与 haystack 匹配的所有索引的数组。

语法

multiMatchAllIndices(haystack, \[pattern<sub>1</sub>, pattern<sub>2</sub>, ..., pattern<sub>n</sub>\])

multiFuzzyMatchAny

类似于 multiMatchAny,但如果任何模式在恒定的 编辑距离 内匹配 haystack,则返回 1。此函数依赖于 hyperscan 库的实验性功能,并且在某些极端情况下可能会很慢。性能取决于编辑距离值和使用的模式,但始终比非模糊变体更昂贵。

注意

由于 hyperscan 的限制,multiFuzzyMatch*() 函数系列不支持 UTF-8 正则表达式(它将它们视为字节序列)。

语法

multiFuzzyMatchAny(haystack, distance, \[pattern<sub>1</sub>, pattern<sub>2</sub>, ..., pattern<sub>n</sub>\])

multiFuzzyMatchAnyIndex

类似于 multiFuzzyMatchAny,但返回在恒定编辑距离内与 haystack 匹配的任何索引。

语法

multiFuzzyMatchAnyIndex(haystack, distance, \[pattern<sub>1</sub>, pattern<sub>2</sub>, ..., pattern<sub>n</sub>\])

multiFuzzyMatchAllIndices

类似于 multiFuzzyMatchAny,但返回以任意顺序在恒定编辑距离内与 haystack 匹配的所有索引的数组。

语法

multiFuzzyMatchAllIndices(haystack, distance, \[pattern<sub>1</sub>, pattern<sub>2</sub>, ..., pattern<sub>n</sub>\])

extract

返回字符串中正则表达式的第一个匹配项。如果 haystackpattern 正则表达式不匹配,则返回空字符串。

如果正则表达式具有捕获组,则该函数将输入字符串与第一个捕获组进行匹配。

语法

extract(haystack, pattern)

参数*

返回值

  • haystack 字符串中正则表达式的第一个匹配项。 String

示例

查询

SELECT extract('number: 1, number: 2, number: 3', '\\d+') AS result;

结果

┌─result─┐
│ 1 │
└────────┘

extractAll

返回字符串中正则表达式的所有匹配项的数组。如果 haystackpattern 正则表达式不匹配,则返回空字符串。

关于子模式的行为与函数 extract 中的行为相同。

语法

extractAll(haystack, pattern)

参数*

返回值

  • haystack 字符串中正则表达式的匹配项数组。 Array(String)。

示例

查询

SELECT extractAll('number: 1, number: 2, number: 3', '\\d+') AS result;

结果

┌─result────────┐
│ ['1','2','3'] │
└───────────────┘

extractAllGroupsHorizontal

使用 pattern 正则表达式匹配 haystack 字符串的所有组。返回数组的数组,其中第一个数组包含与第一个组匹配的所有片段,第二个数组 - 与第二个组匹配的所有片段,依此类推。

此函数比 extractAllGroupsVertical 慢。

语法

extractAllGroupsHorizontal(haystack, pattern)

参数

  • haystack — 输入字符串。 String
  • pattern — 具有 re2 正则表达式语法 的正则表达式。必须包含组,每个组用括号括起来。如果 pattern 不包含组,则会抛出异常。 String

返回值

  • 匹配项的数组的数组。 Array
注意

如果 haystackpattern 正则表达式不匹配,则返回空数组的数组。

示例

SELECT extractAllGroupsHorizontal('abc=111, def=222, ghi=333', '("[^"]+"|\\w+)=("[^"]+"|\\w+)');

结果

┌─extractAllGroupsHorizontal('abc=111, def=222, ghi=333', '("[^"]+"|\\w+)=("[^"]+"|\\w+)')─┐
│ [['abc','def','ghi'],['111','222','333']] │
└──────────────────────────────────────────────────────────────────────────────────────────┘

extractGroups

使用给定的正则表达式匹配给定输入字符串的所有组,返回匹配项的数组的数组。

语法

extractGroups(haystack, pattern)

参数

  • haystack — 输入字符串。 String
  • pattern — 具有 re2 正则表达式语法 的正则表达式。必须包含组,每个组用括号括起来。如果 pattern 不包含组,则会抛出异常。 String

返回值

  • 匹配项的数组的数组。 Array

示例

SELECT extractGroups('hello abc=111 world', '("[^"]+"|\\w+)=("[^"]+"|\\w+)') AS result;

结果

┌─result────────┐
│ ['abc','111'] │
└───────────────┘

extractAllGroupsVertical

使用 pattern 正则表达式匹配 haystack 字符串的所有组。返回数组的数组,其中每个数组包含来自每个组的匹配片段。片段按照它们在 haystack 中出现的顺序分组。

语法

extractAllGroupsVertical(haystack, pattern)

参数

  • haystack — 输入字符串。 String
  • pattern — 具有 re2 正则表达式语法 的正则表达式。必须包含组,每个组用括号括起来。如果 pattern 不包含组,则会抛出异常。 String

返回值

  • 匹配项的数组的数组。 Array
注意

如果 haystackpattern 正则表达式不匹配,则返回一个空数组。

示例

SELECT extractAllGroupsVertical('abc=111, def=222, ghi=333', '("[^"]+"|\\w+)=("[^"]+"|\\w+)');

结果

┌─extractAllGroupsVertical('abc=111, def=222, ghi=333', '("[^"]+"|\\w+)=("[^"]+"|\\w+)')─┐
│ [['abc','111'],['def','222'],['ghi','333']] │
└────────────────────────────────────────────────────────────────────────────────────────┘

like

返回字符串 haystack 是否与 LIKE 表达式 pattern 匹配。

LIKE 表达式可以包含普通字符和以下元符号

  • % 表示任意数量的任意字符(包括零个字符)。
  • _ 表示单个任意字符。
  • \ 用于转义字面量 %_\

匹配基于 UTF-8,例如 _ 匹配 Unicode 代码点 ¥,它在 UTF-8 中使用两个字节表示。

如果 haystack 或 LIKE 表达式不是有效的 UTF-8,则行为是未定义的。

不执行自动 Unicode 规范化,您可以为此使用 normalizeUTF8*() 函数。

要匹配字面量 %_\(它们是 LIKE 元字符),请在它们前面加上反斜杠:\%\_\\。如果反斜杠在 %_\ 以外的字符前面,则反斜杠会失去其特殊含义(即按字面意思解释)。请注意,ClickHouse 要求字符串中的反斜杠 也要被引用,因此您实际上需要写 \\%\\_\\\\

对于 %needle% 形式的 LIKE 表达式,此函数与 position 函数一样快。所有其他 LIKE 表达式都在内部转换为正则表达式,并以类似于 match 函数的性能执行。

语法

like(haystack, pattern)

别名:haystack LIKE pattern (运算符)

notLike

类似于 like,但结果取反。

别名:haystack NOT LIKE pattern (运算符)

ilike

类似于 like,但搜索不区分大小写。

别名:haystack ILIKE pattern (运算符)

notILike

类似于 ilike,但结果取反。

别名:haystack NOT ILIKE pattern (运算符)

ngramDistance

计算 haystack 字符串和 needle 字符串之间的 4-gram 距离。为此,它计算两个 4-gram 多重集的对称差,并将其除以它们基数的总和进行归一化。返回一个介于 0 和 1 之间的 Float32。结果越小,字符串彼此越相似。

函数 ngramDistanceCaseInsensitivengramDistanceUTF8ngramDistanceCaseInsensitiveUTF8 提供了此函数的不区分大小写和/或 UTF-8 变体。

语法

ngramDistance(haystack, needle)

参数

返回值

  • 介于 0 和 1 之间的值,表示两个字符串之间的相似度。Float32

实现细节

如果常量 needlehaystack 参数的大小超过 32Kb,此函数将抛出异常。如果任何非常量 haystackneedle 参数的大小超过 32Kb,则距离始终为 1。

示例

两个字符串彼此越相似,结果就越接近 0(完全相同)。

查询

SELECT ngramDistance('ClickHouse','ClickHouse!');

结果

0.06666667

两个字符串彼此越不相似,结果就越大。

查询

SELECT ngramDistance('ClickHouse','House');

结果

0.5555556

ngramDistanceCaseInsensitive

提供 ngramDistance 的不区分大小写变体。

语法

ngramDistanceCaseInsensitive(haystack, needle)

参数

返回值

  • 介于 0 和 1 之间的值,表示两个字符串之间的相似度。Float32

示例

使用 ngramDistance 时,大小写差异会影响相似度值

查询

SELECT ngramDistance('ClickHouse','clickhouse');

结果

0.71428573

使用 ngramDistanceCaseInsensitive 时,大小写将被忽略,因此仅大小写不同的两个相同字符串现在将返回较低的相似度值

查询

SELECT ngramDistanceCaseInsensitive('ClickHouse','clickhouse');

结果

0

ngramDistanceUTF8

提供 ngramDistance 的 UTF-8 变体。假定 needlehaystack 字符串是 UTF-8 编码的字符串。

语法

ngramDistanceUTF8(haystack, needle)

参数

返回值

  • 介于 0 和 1 之间的值,表示两个字符串之间的相似度。Float32

示例

查询

SELECT ngramDistanceUTF8('abcde','cde');

结果

0.5

ngramDistanceCaseInsensitiveUTF8

提供 ngramDistanceUTF8 的不区分大小写变体。

语法

ngramDistanceCaseInsensitiveUTF8(haystack, needle)

参数

返回值

  • 介于 0 和 1 之间的值,表示两个字符串之间的相似度。Float32

示例

查询

SELECT ngramDistanceCaseInsensitiveUTF8('abcde','CDE');

结果

0.5

ngramSearch

类似于 ngramDistance,但计算 needle 字符串和 haystack 字符串之间的非对称差,即 needle 中的 n-gram 数量减去公共 n-gram 数量,并由 needle n-gram 的数量进行归一化。返回一个介于 0 和 1 之间的 Float32。结果越大,needlehaystack 中出现的可能性就越高。此函数对于模糊字符串搜索很有用。另请参阅函数 soundex

函数 ngramSearchCaseInsensitivengramSearchUTF8ngramSearchCaseInsensitiveUTF8 提供了此函数的不区分大小写和/或 UTF-8 变体。

语法

ngramSearch(haystack, needle)

参数

返回值

  • 介于 0 和 1 之间的值,表示 needlehaystack 中出现的可能性。Float32

实现细节

注意

UTF-8 变体使用 3-gram 距离。这些不是完全公平的 n-gram 距离。我们使用 2 字节哈希来哈希 n-gram,然后计算这些哈希表之间的(非)对称差 - 可能会发生冲突。对于 UTF-8 不区分大小写的格式,我们不使用公平的 tolower 函数 - 我们将每个代码点字节的第 5 位(从零开始)和第一个字节的第 0 位(如果字节超过一个)置零 - 这适用于拉丁字母,并且主要适用于所有西里尔字母。

示例

查询

SELECT ngramSearch('Hello World','World Hello');

结果

0.5

ngramSearchCaseInsensitive

提供 ngramSearch 的不区分大小写变体。

语法

ngramSearchCaseInsensitive(haystack, needle)

参数

返回值

  • 介于 0 和 1 之间的值,表示 needlehaystack 中出现的可能性。Float32

结果越大,needlehaystack 中出现的可能性就越高。

示例

查询

SELECT ngramSearchCaseInsensitive('Hello World','hello');

结果

1

ngramSearchUTF8

提供 ngramSearch 的 UTF-8 变体,其中假定 needlehaystack 是 UTF-8 编码的字符串。

语法

ngramSearchUTF8(haystack, needle)

参数

返回值

  • 介于 0 和 1 之间的值,表示 needlehaystack 中出现的可能性。Float32

结果越大,needlehaystack 中出现的可能性就越高。

示例

查询

SELECT ngramSearchUTF8('абвгдеёжз', 'гдеёзд');

结果

0.5

ngramSearchCaseInsensitiveUTF8

提供 ngramSearchUTF8 的不区分大小写变体,其中 needlehaystack

语法

ngramSearchCaseInsensitiveUTF8(haystack, needle)

参数

返回值

  • 介于 0 和 1 之间的值,表示 needlehaystack 中出现的可能性。Float32

结果越大,needlehaystack 中出现的可能性就越高。

示例

查询

SELECT ngramSearchCaseInsensitiveUTF8('абвГДЕёжз', 'АбвгдЕЁжз');

结果

0.57142854

countSubstrings

返回子字符串 needle 在字符串 haystack 中出现的频率。

函数 countSubstringsCaseInsensitivecountSubstringsCaseInsensitiveUTF8 分别提供了此函数的不区分大小写和不区分大小写 + UTF-8 变体。

语法

countSubstrings(haystack, needle[, start_pos])

参数

  • haystack — 在其中执行搜索的字符串。StringEnum
  • needle — 要搜索的子字符串。 String
  • start_pos – 在 haystack 中开始搜索的位置(从 1 开始)。 UInt。 可选。

返回值

示例

SELECT countSubstrings('aaaa', 'aa');

结果

┌─countSubstrings('aaaa', 'aa')─┐
│ 2 │
└───────────────────────────────┘

带有 start_pos 参数的示例

SELECT countSubstrings('abc___abc', 'abc', 4);

结果

┌─countSubstrings('abc___abc', 'abc', 4)─┐
│ 1 │
└────────────────────────────────────────┘

countSubstringsCaseInsensitive

返回子字符串 needle 在字符串 haystack 中出现的频率。忽略大小写。

语法

countSubstringsCaseInsensitive(haystack, needle[, start_pos])

参数

  • haystack — 在其中执行搜索的字符串。StringEnum
  • needle — 要搜索的子字符串。 String
  • start_pos – 在 haystack 中开始搜索的位置(从 1 开始)。 UInt。 可选。

返回值

示例

查询

SELECT countSubstringsCaseInsensitive('AAAA', 'aa');

结果

┌─countSubstringsCaseInsensitive('AAAA', 'aa')─┐
│ 2 │
└──────────────────────────────────────────────┘

带有 start_pos 参数的示例

查询

SELECT countSubstringsCaseInsensitive('abc___ABC___abc', 'abc', 4);

结果

┌─countSubstringsCaseInsensitive('abc___ABC___abc', 'abc', 4)─┐
│ 2 │
└─────────────────────────────────────────────────────────────┘

countSubstringsCaseInsensitiveUTF8

返回子字符串 needle 在字符串 haystack 中出现的频率。忽略大小写,并假定 haystack 是 UTF8 字符串。

语法

countSubstringsCaseInsensitiveUTF8(haystack, needle[, start_pos])

参数

  • haystack — 在其中执行搜索的 UTF-8 字符串。StringEnum
  • needle — 要搜索的子字符串。 String
  • start_pos – 在 haystack 中开始搜索的位置(从 1 开始)。 UInt。 可选。

返回值

示例

查询

SELECT countSubstringsCaseInsensitiveUTF8('ложка, кошка, картошка', 'КА');

结果

┌─countSubstringsCaseInsensitiveUTF8('ложка, кошка, картошка', 'КА')─┐
│ 4 │
└────────────────────────────────────────────────────────────────────┘

带有 start_pos 参数的示例

查询

SELECT countSubstringsCaseInsensitiveUTF8('ложка, кошка, картошка', 'КА', 13);

结果

┌─countSubstringsCaseInsensitiveUTF8('ложка, кошка, картошка', 'КА', 13)─┐
│ 2 │
└────────────────────────────────────────────────────────────────────────┘

countMatches

返回 haystackpattern 的正则表达式匹配数。

语法

countMatches(haystack, pattern)

参数

返回值

示例

SELECT countMatches('foobar.com', 'o+');

结果

┌─countMatches('foobar.com', 'o+')─┐
│ 2 │
└──────────────────────────────────┘
SELECT countMatches('aaaa', 'aa');

结果

┌─countMatches('aaaa', 'aa')────┐
│ 2 │
└───────────────────────────────┘

countMatchesCaseInsensitive

返回像 countMatches 一样,在 haystack 中模式的正则表达式匹配数,但匹配忽略大小写。

语法

countMatchesCaseInsensitive(haystack, pattern)

参数

返回值

示例

查询

SELECT countMatchesCaseInsensitive('AAAA', 'aa');

结果

┌─countMatchesCaseInsensitive('AAAA', 'aa')────┐
│ 2 │
└──────────────────────────────────────────────┘

regexpExtract

提取 haystack 中与正则表达式模式匹配并对应于正则表达式组索引的第一个字符串。

语法

regexpExtract(haystack, pattern[, index])

别名:REGEXP_EXTRACT(haystack, pattern[, index])

参数

  • haystack — 字符串,将在其中匹配正则表达式模式。String
  • pattern — 字符串,正则表达式,必须是常量。String
  • index – 大于或等于 0 的整数,默认值为 1。它表示要提取哪个正则表达式组。UInt 或 Int。可选。

返回值

pattern 可能包含多个正则表达式组,index 指示要提取哪个正则表达式组。索引 0 表示匹配整个正则表达式。String

示例

SELECT
regexpExtract('100-200', '(\\d+)-(\\d+)', 1),
regexpExtract('100-200', '(\\d+)-(\\d+)', 2),
regexpExtract('100-200', '(\\d+)-(\\d+)', 0),
regexpExtract('100-200', '(\\d+)-(\\d+)');

结果

┌─regexpExtract('100-200', '(\\d+)-(\\d+)', 1)─┬─regexpExtract('100-200', '(\\d+)-(\\d+)', 2)─┬─regexpExtract('100-200', '(\\d+)-(\\d+)', 0)─┬─regexpExtract('100-200', '(\\d+)-(\\d+)')─┐
│ 100 │ 200 │ 100-200 │ 100 │
└──────────────────────────────────────────────┴──────────────────────────────────────────────┴──────────────────────────────────────────────┴───────────────────────────────────────────┘

hasSubsequence

如果 needlehaystack 的子序列,则返回 1,否则返回 0。字符串的子序列是一个可以通过从给定字符串中删除零个或多个元素而不更改其余元素的顺序而派生的序列。

语法

hasSubsequence(haystack, needle)

参数

  • haystack — 执行搜索的字符串。 String
  • needle — 要搜索的子序列。String

返回值

  • 1,如果 needle 是 haystack 的子序列,否则为 0。UInt8

示例

查询

SELECT hasSubsequence('garbage', 'arg');

结果

┌─hasSubsequence('garbage', 'arg')─┐
│ 1 │
└──────────────────────────────────┘

hasSubsequenceCaseInsensitive

类似于 hasSubsequence,但搜索不区分大小写。

语法

hasSubsequenceCaseInsensitive(haystack, needle)

参数

  • haystack — 执行搜索的字符串。 String
  • needle — 要搜索的子序列。String

返回值

  • 1,如果 needle 是 haystack 的子序列,否则为 0。UInt8

示例

查询

SELECT hasSubsequenceCaseInsensitive('garbage', 'ARG');

结果

┌─hasSubsequenceCaseInsensitive('garbage', 'ARG')─┐
│ 1 │
└─────────────────────────────────────────────────┘

hasSubsequenceUTF8

类似于 hasSubsequence,但假定 haystackneedle 是 UTF-8 编码的字符串。

语法

hasSubsequenceUTF8(haystack, needle)

参数

  • haystack — 在其中执行搜索的字符串。UTF-8 编码的 String
  • needle — 要搜索的子序列。UTF-8 编码的 String

返回值

  • 1,如果 needle 是 haystack 的子序列,否则为 0。UInt8

查询

示例

select hasSubsequenceUTF8('ClickHouse - столбцовая система управления базами данных', 'система');

结果

┌─hasSubsequenceUTF8('ClickHouse - столбцовая система управления базами данных', 'система')─┐
│ 1 │
└───────────────────────────────────────────────────────────────────────────────────────────┘

hasSubsequenceCaseInsensitiveUTF8

类似于 hasSubsequenceUTF8,但搜索不区分大小写。

语法

hasSubsequenceCaseInsensitiveUTF8(haystack, needle)

参数

  • haystack — 在其中执行搜索的字符串。UTF-8 编码的 String
  • needle — 要搜索的子序列。UTF-8 编码的 String

返回值

  • 1,如果 needle 是 haystack 的子序列,否则为 0。UInt8

示例

查询

select hasSubsequenceCaseInsensitiveUTF8('ClickHouse - столбцовая система управления базами данных', 'СИСТЕМА');

结果

┌─hasSubsequenceCaseInsensitiveUTF8('ClickHouse - столбцовая система управления базами данных', 'СИСТЕМА')─┐
│ 1 │
└──────────────────────────────────────────────────────────────────────────────────────────────────────────┘

hasToken

如果给定的 token 存在于 haystack 中,则返回 1,否则返回 0。

语法

hasToken(haystack, token)

参数

  • haystack:在其中执行搜索的字符串。StringEnum
  • token:两个非字母数字 ASCII 字符(或 haystack 的边界)之间的最大长度子字符串。

返回值

  • 1,如果 token 存在于 haystack 中,否则为 0。UInt8

实现细节

Token 必须是常量字符串。tokenbf_v1 索引 specialization 支持。

示例

查询

SELECT hasToken('Hello World','Hello');
1

hasTokenOrNull

如果给定的 token 存在,则返回 1;如果不存在,则返回 0;如果 token 格式不正确,则返回 null。

语法

hasTokenOrNull(haystack, token)

参数

  • haystack:在其中执行搜索的字符串。StringEnum
  • token:两个非字母数字 ASCII 字符(或 haystack 的边界)之间的最大长度子字符串。

返回值

  • 1,如果 token 存在于 haystack 中;如果不存在,则为 0;如果 token 格式不正确,则为 null。

实现细节

Token 必须是常量字符串。tokenbf_v1 索引 specialization 支持。

示例

如果 hasToken 会为格式不正确的 token 抛出错误,则 hasTokenOrNull 会为格式不正确的 token 返回 null

查询

SELECT hasTokenOrNull('Hello World','Hello,World');
null

hasTokenCaseInsensitive

如果给定的 token 存在于 haystack 中,则返回 1,否则返回 0。忽略大小写。

语法

hasTokenCaseInsensitive(haystack, token)

参数

  • haystack:在其中执行搜索的字符串。StringEnum
  • token:两个非字母数字 ASCII 字符(或 haystack 的边界)之间的最大长度子字符串。

返回值

  • 1,如果 token 存在于 haystack 中,否则为 0。UInt8

实现细节

Token 必须是常量字符串。tokenbf_v1 索引 specialization 支持。

示例

查询

SELECT hasTokenCaseInsensitive('Hello World','hello');
1

hasTokenCaseInsensitiveOrNull

如果给定的 token 存在于 haystack 中,则返回 1,否则返回 0。忽略大小写,如果 token 格式不正确,则返回 null。

语法

hasTokenCaseInsensitiveOrNull(haystack, token)

参数

  • haystack:在其中执行搜索的字符串。StringEnum
  • token:两个非字母数字 ASCII 字符(或 haystack 的边界)之间的最大长度子字符串。

返回值

  • 1,如果 token 存在于 haystack 中;如果 token 不存在,则为 0;否则,如果 token 格式不正确,则为 nullUInt8

实现细节

Token 必须是常量字符串。tokenbf_v1 索引 specialization 支持。

示例

如果 hasTokenCaseInsensitive 会为格式不正确的 token 抛出错误,则 hasTokenCaseInsensitiveOrNull 会为格式不正确的 token 返回 null

查询

SELECT hasTokenCaseInsensitiveOrNull('Hello World','hello,world');
null