Hive函数大全（含例子）之字符串函数（String Functions）

博客小编技术博客 (116) 2023-11-24 09:01:02

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>, array, int K, int pf)

返回结果: 使用n-gram模型，通过指定array，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)

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>, 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>
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

Hive函数大全（含例子）之集合函数、日期函数、条件函数
Hive函数大全（含例子）之数学函数（Mathematical Functions

THE END

【Mo 人工智能技术博客】浅谈多任务与联邦学习

JAVA数组去重方法

JavaScript两种数组去重方法

js数组去重方法总结

使用 NSURLComponents 和 NSURLQueryItem 来进行更规范的 URL 字符串拼接

如何更高效的拼接字符串？

发表回复

请先登录账户再评论哦

Hive函数大全（含例子）之字符串函数（String Functions）

字符串函数 String Functions

ascii(string str)

base64(binary bin)

character_length(string str)

chr(bigint|double A)

concat(string|binary A, string|binary B...)

context_ngrams(array<array>, array, int K, int pf)

concat_ws(string SEP, string A, string B...)

concat_ws(string SEP, array)

decode(binary bin, string charset)

elt(N int,str1 string,str2 string,str3 string,...)

encode(string src, string charset)

field(val T,val1 T,val2 T,val3 T,...)

find_in_set(string str, string strList)

format_number(number x, int d)

get_json_object(string json_string, string path)

in_file(string str, string filename)

instr(string str, string substr)

length(string A)

locate(string substr, string str[, int pos])

lower(string A) lcase(string A)

lpad(string str, int len, string pad)

ltrim(string A)

ngrams(array<array>, int N, int K, int pf)

octet_length(string str)

parse_url(string urlString, string partToExtract [, string keyToExtract])

printf(String format, Obj... args)

quote(String text)

regexp_extract(string subject, string pattern, int index)

regexp_replace(string INITIAL_STRING, string PATTERN, string REPLACEMENT)

repeat(string str, int n)

replace(string A, string OLD, string NEW)

reverse(string A)

rpad(string str, int len, string pad)

rtrim(string A)

sentences(string str, string lang, string locale)

space(int n)

split(string str, string pat)

str_to_map(text[, delimiter1, delimiter2])

substr(string|binary A, int start) substring(string|binary A, int start)

substr(string|binary A, int start, int len) substring(string|binary A, int start, int len)

substring_index(string A, string delim, int count)

translate(string|char|varchar input, string|char|varchar from, string|char|varchar to)

trim(string A)

unbase64(string str)

upper(string A) ucase(string A)

initcap(string A)

levenshtein(string A, string B)

soundex(string A)

相关文章

其他访客还喜欢：

【Mo 人工智能技术博客】浅谈多任务与联邦学习

JAVA数组去重方法

JavaScript两种数组去重方法

js数组去重方法 总结

推 荐 文 章

Recurrence along Depth: Deep Convolutional Neural Networks with Recurrent Layer Aggregation

发表回复

热门文章

推荐文章

js数组去重方法总结

推荐文章