龙空技术网

Hive函数大全(含例子)之字符串函数(String Functions)

种豆大叔 83

前言:

眼前同学们对“字符串精度”可能比较着重,大家都需要学习一些“字符串精度”的相关知识。那么小编在网摘上汇集了一些有关“字符串精度””的相关内容,希望兄弟们能喜欢,同学们一起来学习一下吧!

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 6select 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 Aselect chr(65.6);  -- 结果为 Aselect chr(321);  -- 结果为 Aselect 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 ACBselect 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 andselect 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 Aselect 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 3select field('a', 'c', 'b', 'a');  -- 结果为 3select 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 2select find_in_set('And', 'Melon,and,fruit,fields');  -- 结果为 0select find_in_set('and,', 'Melon,and,fruit,fields');  -- 结果为 0select 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 1,234.2select 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"}', '$.key');  -- 结果为 valueselect get_json_object('[{"key":"value"}, {"key":"value2"}]', '$[1].key');  -- 结果为 value2select 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 trueselect 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 2select instr('1234', '2345');  -- 结果为 0select instr('1234', NULL);  -- 结果为 NULLselect 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 3select length('');  -- 结果为 0select 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 1select locate('12', '1212', 1);  -- 结果为 1select 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 aaselect 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 00123select lpad('123', 2, '0');  -- 结果为 12select 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(';, 'HOST');  -- 结果为 github.comselect parse_url(';, 'PATH');  -- 结果为 /TheUncleWhoGrowsBeans/Melon-and-fruit-fieldsselect parse_url(';, 'REF');  -- 结果为 ref1select parse_url(';, '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://([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 12300select rpad('123', 2, '0');  -- 结果为 12select 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 2345select 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 234select 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 1.2select 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dselect 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 AAselect 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
相关文章

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)

标签: #字符串精度