Hive基础(13)：HIVE函数(7) 字符串函数 String Functions

来源：https://baijiahao.baidu.com/s?id=1663552349083084923&wfr=spider&for=pc

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: intselect 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: stringselect 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: intselect 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: stringselect 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: stringselect 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: stringselect 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: stringselect 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: stringselect 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: stringselect 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: binaryselect 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: intselect 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: intselect 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: stringselect 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: stringselect 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: booleanselect 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: intselect 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: intselect 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: intselect 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: stringselect 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: stringselect 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: stringselect 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: intselect 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: stringselect parse_url('https://github.com/TheUncleWhoGrowsBeans/Melon-and-fruit-fields', 'HOST'); -- 结果为 github.comselect parse_url('https://github.com/TheUncleWhoGrowsBeans/Melon-and-fruit-fields', 'PATH'); -- 结果为 /TheUncleWhoGrowsBeans/Melon-and-fruit-fieldsselect parse_url('http://hostname.com/path?k1=v1&k2=v2#ref1', 'REF'); -- 结果为 ref1select 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: stringselect 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: stringselect 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: stringselect 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: stringselect 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: stringselect repeat('a', 3); -- 结果为 aaa

replace(string A, string OLD, string NEW)

返回结果: 替换返回类型: stringselect 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: stringselect 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: stringselect 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: stringselect 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: stringselect 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: arrayselect 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: substrselect 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: stringselect 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: stringselect 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: stringselect 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: stringselect concat('->', trim(' 1 1 '), '<-'); -- 结果为 ->1 1<-

unbase64(string str)

返回结果: base64解码返回类型: binaryselect 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: stringselect 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: stringselect 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: intselect 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: stringselect soundex('Uncle Bean'); -- 结果为 U524