文字列操作のための関数

文字列の検索や文字列の置換に関する関数は別々に説明されています。

empty

入力文字列が空であるかどうかをチェックします。文字列は、スペースやヌルバイトを含んでいる場合でも、バイトが1つ以上含まれている場合、非空と見なされます。

この関数は配列やUUIDでも使用可能です。

構文

empty(x)

引数

• x — 入力値。String。

返される値

• 空文字列の場合は 1 を、非空文字列の場合は 0 を返します。UInt8。

例

SELECT empty('');

結果:

┌─empty('')─┐
│         1 │
└───────────┘

notEmpty

入力文字列が非空であるかどうかをチェックします。文字列は、スペースやヌルバイトを含んでいる場合でも、バイトが1つ以上含まれている場合、非空と見なされます。

この関数は配列やUUIDでも使用可能です。

構文

notEmpty(x)

引数

• x — 入力値。String。

返される値

• 非空文字列の場合は 1 を、空文字列の場合は 0 を返します。UInt8。

例

SELECT notEmpty('text');

結果:

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

length

文字列の長さをバイト単位で返します。文字数やUnicodeコードポイントではなく、バイト単位で長さを返します。この関数は配列にも機能します。

エイリアス: OCTET_LENGTH

構文

length(s)

引数

• s — 入力文字列または配列。String/Array。

返される値

• バイト数で表された文字列または配列 s の長さ。UInt64。

例

クエリ:

SELECT length('Hello, world!');

結果:

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

クエリ:

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

結果:

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

lengthUTF8

文字列の長さをUnicodeコードポイント単位で返します。バイトや文字数ではなく、Unicodeコードポイント単位で長さを返します。文字列が有効なUTF-8エンコードのテキストであると仮定します。この仮定が破られた場合、例外はスローされず、結果は未定義となります。

エイリアス:

• CHAR_LENGTH
• CHARACTER_LENGTH

構文

lengthUTF8(s)

引数

• s — 有効なUTF-8エンコードのテキストを含む文字列。String。

返される値

• Unicodeコードポイント単位で表された文字列 s の長さ。UInt64。

例

クエリ:

SELECT lengthUTF8('Здравствуй, мир!');

結果:

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

left

指定された offset から左からの文字列 s の部分文字列を返します。

構文

left(s, offset)

引数

• s — 部分文字列を計算するための文字列。String または FixedString。
• offset — オフセットのバイト数です。(U)Int*。

返される値

• 正の offset の場合: 文字列の左側から offset バイト数の部分文字列。
• 負の offset の場合: 文字列の左側から length(s) - |offset| バイト数の部分文字列。
• 長さが 0 の場合は、空の文字列を返します。

例

クエリ:

SELECT left('Hello', 3);

結果:

Hel

クエリ:

SELECT left('Hello', -3);

結果:

He

leftUTF8

指定された offset から左からのUTF-8エンコードされた文字列 s の部分文字列を返します。

構文

leftUTF8(s, offset)

引数

• s — 部分文字列を計算するためのUTF-8エンコードされた文字列。String または FixedString。
• offset — オフセットのバイト数です。(U)Int*。

返される値

• 正の offset の場合: 文字列の左側から offset バイト数の部分文字列。
• 負の offset の場合: 文字列の左側から length(s) - |offset| バイト数の部分文字列。
• 長さが 0 の場合は、空の文字列を返します。

例

クエリ:

SELECT leftUTF8('Привет', 4);

結果:

Прив

クエリ:

SELECT leftUTF8('Привет', -4);

結果:

Пр

leftPad

文字列を左からスペースまたは指定した文字列でパディングし、結果の文字列が指定された length に達するまで繰り返します。

構文

leftPad(string, length[, pad_string])

エイリアス: LPAD

引数

• string — パディングすべき入力文字列。String。
• length — 結果の文字列の長さ。UInt or Int。入力文字列の長さより小さい場合は、入力文字列が length 文字に短縮されます。
• pad_string — 入力文字列をパディングするための文字列。String。オプション。指定しない場合は、入力文字列はスペースでパディングされます。

返される値

• 指定された長さの左パディングされた文字列。String。

例

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

結果:

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

leftPadUTF8

文字列を左からスペースまたは指定した文字列でパディングし、結果の文字列が指定された長さに達するまで繰り返します。leftPadとは異なり、文字列の長さはコードポイントで測定されます。

構文

leftPadUTF8(string, length[, pad_string])

引数

• string — パディングすべき入力文字列。String。
• length — 結果の文字列の長さ。UInt or Int。入力文字列の長さより小さい場合は、入力文字列が length 文字に短縮されます。
• pad_string — 入力文字列をパディングするための文字列。String。オプション。指定しない場合は、入力文字列はスペースでパディングされます。

返される値

• 指定された長さの左パディングされた文字列。String。

例

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

結果:

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

right

指定された offset から右からの文字列 s の部分文字列を返します。

構文

right(s, offset)

引数

• s — 部分文字列を計算するための文字列。String または FixedString。
• offset — オフセットのバイト数です。(U)Int*。

返される値

• 正の offset の場合: 文字列の右側から offset バイト数の部分文字列。
• 負の offset の場合: 文字列の右側から length(s) - |offset| バイト数の部分文字列。
• 長さが 0 の場合は、空の文字列を返します。

例

クエリ:

SELECT right('Hello', 3);

結果:

llo

クエリ:

SELECT right('Hello', -3);

結果:

lo

rightUTF8

指定された offset から右からのUTF-8エンコードされた文字列 s の部分文字列を返します。

構文

rightUTF8(s, offset)

引数

• s — 部分文字列を計算するためのUTF-8エンコードされた文字列。String または FixedString。
• offset — オフセットのバイト数です。(U)Int*。

返される値

• 正の offset の場合: 文字列の右側から offset バイト数の部分文字列。
• 負の offset の場合: 文字列の右側から length(s) - |offset| バイト数の部分文字列。
• 長さが 0 の場合は、空の文字列を返します。

例

クエリ:

SELECT rightUTF8('Привет', 4);

結果:

ивет

クエリ:

SELECT rightUTF8('Привет', -4);

結果:

ет

rightPad

文字列を右からスペースまたは指定した文字列でパディングし、結果の文字列が指定された length に達するまで繰り返します。

構文

rightPad(string, length[, pad_string])

エイリアス: RPAD

引数

• string — パディングすべき入力文字列。String。
• length — 結果の文字列の長さ。UInt or Int。入力文字列の長さより小さい場合は、入力文字列が length 文字に短縮されます。
• pad_string — 入力文字列をパディングするための文字列。String。オプション。指定しない場合は、入力文字列はスペースでパディングされます。

返される値

• 指定された長さの右パディングされた文字列。String。

例

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

結果:

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

rightPadUTF8

文字列を右からスペースまたは指定した文字列でパディングし、結果の文字列が指定された長さに達するまで繰り返します。rightPadとは異なり、文字列の長さはコードポイントで測定されます。

構文

rightPadUTF8(string, length[, pad_string])

引数

• string — パディングすべき入力文字列。String。
• length — 結果の文字列の長さ。UInt or Int。入力文字列の長さより小さい場合は、入力文字列が length 文字に短縮されます。
• pad_string — 入力文字列をパディングするための文字列。String。オプション。指定しない場合は、入力文字列はスペースでパディングされます。

返される値

• 指定された長さの右パディングされた文字列。String。

例

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

結果:

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

compareSubstrings

二つの文字列を辞書式順序で比較します。

構文

compareSubstrings(string1, string2, string1_offset, string2_offset, num_bytes);

引数

• string1 — 比較する最初の文字列。String
• string2 - 比較する第二の文字列。String
• string1_offset — string1 での比較の開始位置 (ゼロベース)。UInt*。
• string2_offset — string2 での比較の開始位置 (ゼロベース)。UInt*。
• num_bytes — 両方の文字列で比較する最大バイト数。string_offset + num_bytes が入力文字列の終わりを超える場合、num_bytes はそれに応じて減少します。UInt*。

返される値

• -1 — string1[string1_offset : string1_offset + num_bytes] < string2[string2_offset : string2_offset + num_bytes] の場合。
• 0 — string1[string1_offset : string1_offset + num_bytes] = string2[string2_offset : string2_offset + num_bytes] の場合。
• 1 — string1[string1_offset : string1_offset + num_bytes] > string2[string2_offset : string2_offset + num_bytes] の場合。

例

クエリ:

SELECT compareSubstrings('Saxony', 'Anglo-Saxon', 0, 6, 5) AS result,

結果:

┌─result─┐
│      0 │
└────────┘

lower

文字列内のASCIIラテン文字を小文字に変換します。

構文

lower(input)

エイリアス: lcase

引数

• input: 文字列タイプ String。

返される値

• String データ型の値を返します。

例

クエリ:

SELECT lower('CLICKHOUSE');

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

upper

文字列内のASCIIラテン文字を大文字に変換します。

構文

upper(input)

エイリアス: ucase

引数

• input — 文字列タイプ String。

返される値

• String データ型の値を返します。

例

クエリ:

SELECT upper('clickhouse');

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

lowerUTF8

文字列を小文字に変換します。文字列が有効なUTF-8エンコードされたテキストであると仮定します。この仮定が破られた場合、例外はスローされず、結果は未定義となります。

注記

言語を検出しません。たとえば、トルコ語では結果が正確ではない場合があります (i/İ vs. i/I)。UTF-8バイトシーケンスの長さが大文字と小文字で異なるコードポイント (例えば ẞ と ß) の場合は、このコードポイントの結果が正しくない場合があります。

構文

lowerUTF8(input)

引数

• input — 文字列タイプ String。

返される値

• String データ型の値を返します。

例

クエリ:

SELECT lowerUTF8('MÜNCHEN') AS Lowerutf8;

結果:

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

upperUTF8

文字列を大文字に変換します。文字列が有効なUTF-8エンコードされたテキストであると仮定します。この仮定が破られた場合、例外はスローされず、結果は未定義となります。

注記

言語を検出しません。たとえば、トルコ語では結果が正確ではない場合があります (i/İ vs. i/I)。UTF-8バイトシーケンスの長さが大文字と小文字で異なるコードポイント (例えば ẞ と ß) の場合は、このコードポイントの結果が正しくない場合があります。

構文

upperUTF8(input)

引数

• input — 文字列タイプ String。

返される値

• String データ型の値を返します。

例

クエリ:

SELECT upperUTF8('München') AS Upperutf8;

結果:

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

isValidUTF8

バイトのセットが有効なUTF-8エンコードのテキストである場合は1を、そうでない場合は0を返します。

構文

isValidUTF8(input)

引数

• input — 文字列タイプ String。

返される値

• バイトのセットが有効なUTF-8エンコードのテキストである場合は 1 を、そうでない場合は 0 を返します。

クエリ:

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

結果:

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

toValidUTF8

無効なUTF-8文字を � (U+FFFD) 文字で置き換えます。連続する無効な文字がある場合、それらは一つの置換文字に圧縮されます。

構文

toValidUTF8(input_string)

引数

• input_string — String データ型オブジェクトとして表される任意のバイトのセット。

返される値

• 有効なUTF-8文字列。

例

SELECT toValidUTF8('\x61\xF0\x80\x80\x80b');

┌─toValidUTF8('a����b')─┐
│ a�b                   │
└───────────────────────┘

repeat

文字列を指定された回数自分自身と連結します。

構文

repeat(s, n)

エイリアス: REPEAT

引数

• s — 繰り返す文字列。String。
• n — 文字列を繰り返す回数。UInt* または Int*。

返される値

文字列 s が n 回繰り返された文字列。 n <= 0 の場合、この関数は空の文字列を返します。String。

例

SELECT repeat('abc', 10);

結果:

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

space

スペース ( ) を指定された回数自分自身と連結します。

構文

space(n)

エイリアス: SPACE.

引数

• n — スペースを繰り返す回数。UInt* または Int*。

返される値

スペース が n 回繰り返された文字列。 n <= 0 の場合、この関数は空の文字列を返します。String。

例

クエリ:

SELECT space(3);

結果:

┌─space(3) ────┐
│              │
└──────────────┘

reverse

文字列内のバイトのシーケンスを逆にします。

reverseUTF8

文字列内のUnicodeコードポイントのシーケンスを逆にします。文字列が有効なUTF-8エンコードされたテキストであると仮定します。この仮定が破られた場合、例外はスローされず、結果は未定義となります。

concat

与えられた引数を連結します。

構文

concat(s1, s2, ...)

引数

任意のタイプの値。

String または FixedString の型でない引数は、デフォルトのシリアル化を使用して文字列に変換されます。これにより性能が低下するため、非String/FixedStringの引数を使用することは推奨されません。

返される値

引数を連結して作成された文字列。

引数のいずれかが NULL の場合、関数は NULL を返します。

例

クエリ:

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

結果:

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

クエリ:

SELECT concat(42, 144);

結果:

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

注記

|| 演算子

文字列連結には concat() の簡潔な代替として || 演算子を使用します。たとえば、'Hello, ' || 'World!' は concat('Hello, ', 'World!') と等価です。

concatAssumeInjective

concat と似ていますが、concat(s1, s2, ...) → sn が単射であると仮定しています。GROUP BYの最適化に使用できます。

関数が単射であるとは、異なる引数に対して異なる結果を返す場合を指します。言い換えれば：異なる引数は決して同一の結果を生じません。

構文

concatAssumeInjective(s1, s2, ...)

引数

String または FixedString の型の値。

返される値

引数を連結して作成された文字列。

引数のいずれかの値が NULL の場合、関数は NULL を返します。

例

入力テーブル:

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);

結果:

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

concatWithSeparator

指定された区切り文字で指定された文字列を連結します。

構文

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

エイリアス: concat_ws

引数

• sep — 区切り文字。定数のString または FixedString。
• exprN — 連結される式。非String または FixedString型でない引数は、デフォルトのシリアル化を使用して文字列に変換されるため、性能が低下するため、使用は推奨されません。

返される値

引数を連結して作成された文字列。

引数のいずれかの値が NULL の場合、関数は NULL を返します。

例

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

結果:

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

concatWithSeparatorAssumeInjective

concatWithSeparator と似ていますが、concatWithSeparator(sep, expr1, expr2, expr3...) → result が単射であると仮定しています。GROUP BYの最適化に使用できます。

関数が単射であるとは、異なる引数に対して異なる結果を返す場合を指します。言い換えれば：異なる引数は決して同一の結果を生じません。

substring

指定したバイトインデックス offset から始まる文字列 s の部分文字列を返します。バイト数のカウントは1から始まります。もし offset が0であれば、空の文字列が返されます。もし offset が負数であれば、部分文字列は文字列の終わりから pos 文字の位置から始まります。オプションの引数 length は、返される部分文字列が持つ最大バイト数を指定します。

構文

substring(s, offset[, length])

エイリアス:

• substr
• mid
• byteSlice

引数

• s — 部分文字列を計算するための文字列。String、FixedString または Enum
• offset — s の部分文字列の開始位置。(U)Int*。
• length — 部分文字列の最大長さ。(U)Int*。オプション。

返される値

インデックス offset から開始する s の部分文字列、バイト数が length です。String。

例

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

結果:

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

substringUTF8

指定したバイトインデックス offset から始まる文字列 s の部分文字列を返します。Unicodeコードポイントに対して。バイト数のカウントは1から始まります。もし offset が0であれば、空の文字列が返されます。もし offset が負数であれば、部分文字列は文字列の終わりから pos 文字の位置から始まります。オプションの引数 length は、返される部分文字列が持つ最大バイト数を指定します。

文字列が有効なUTF-8エンコードのテキストであると仮定します。この仮定が破られた場合、例外はスローされず、結果は未定義となります。

構文

substringUTF8(s, offset[, length])

引数

• s — 部分文字列を計算するための文字列。String、FixedString または Enum
• offset — s の部分文字列の開始位置。(U)Int*。
• length — 部分文字列の最大長さ。(U)Int*。オプション。

返される値

インデックス offset から開始する s の部分文字列、バイト数が length です。

実装の詳細

文字列が有効なUTF-8エンコードのテキストであると仮定します。この仮定が破られた場合、例外はスローされず、結果は未定義となります。

例

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

Täglich grüßt das Murmeltier.    grüßt das Murmeltier.    grüßt

substringIndex

count 回の区切り文字 delim の出現の前の s の部分文字列を返します。これはSparkやMySQLのように動作します。

構文

substringIndex(s, delim, count)

エイリアス: SUBSTRING_INDEX 引数

• s — 部分文字列を抽出するための文字列。String。
• delim — 区切る文字。String。
• count — 部分文字列を抽出する前に数える区切り文字の出現数。countが正数の場合、最後の区切り文字の左側のすべてが返されます (左から数える)。countが負数の場合、最後の区切り文字の右側のすべてが返されます (右から数える)。 UInt または Int

例

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

結果:

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

substringIndexUTF8

count 回の区切り文字 delim の出現の前の s の部分文字列を返します。特にUnicodeコードポイントに対して。

文字列が有効なUTF-8エンコードのテキストであると仮定します。この仮定が破られた場合、例外はスローされず、結果は未定義となります。

構文

substringIndexUTF8(s, delim, count)

引数

• s — 部分文字列を抽出するための文字列。String。
• delim — 区切る文字。String。
• count — 部分文字列を抽出する前に数える区切り文字の出現数。countが正数の場合、最後の区切り文字の左側のすべてが返されます (左から数える)。countが負数の場合、最後の区切り文字の右側のすべてが返されます (右から数える)。 UInt または Int

返される値

delim の count 回の出現の前の s の部分文字列。String。

実装の詳細

文字列が有効なUTF-8エンコードのテキストであると仮定します。この仮定が破られた場合、例外はスローされず、結果は未定義となります。

例

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

www.straßen-in-europa

appendTrailingCharIfAbsent

文字列 s が非空であり、なおかつ s の末尾が文字 c で終わらない場合にのみ、文字 c を s に追加します。

構文

appendTrailingCharIfAbsent(s, c)

convertCharset

文字列 s をエンコーディング from からエンコーディング to に変換した文字列を返します。

構文

convertCharset(s, from, to)

base32Encode

Base32を使用して文字列をエンコードします。

構文

base32Encode(plaintext)

引数

• plaintext — String 列または定数。

返される値

• 引数のエンコードされた値を含む文字列。String または FixedString。

例

SELECT base32Encode('Encoded');

結果:

┌─base32Encode('Encoded')─┐
│ IVXGG33EMVSA====        │
└─────────────────────────┘

base32Decode

文字列を受け取り、Base32 エンコーディングスキームを使用してデコードします。

構文

base32Decode(encoded)

引数

• encoded — String または FixedString。文字列が有効なBase32エンコードされた値でない場合、例外がスローされます。

返される値

• 引数のデコードされた値を含む文字列。String。

例

SELECT base32Decode('IVXGG33EMVSA====');

結果:

┌─base32Decode('IVXGG33EMVSA====')─┐
│ Encoded                          │
└──────────────────────────────────┘

tryBase32Decode

base32Decode と同様ですが、エラーの場合には空の文字列を返します。

構文

tryBase32Decode(encoded)

引数

• encoded — String または FixedString。文字列が有効なBase32エンコードされた値でない場合、エラー時に空の文字列を返します。

返される値

• 引数のデコードされた値を含む文字列。

例

クエリ:

SELECT tryBase32Decode('IVXGG33EMVSA====') AS res, tryBase32Decode('invalid') AS res_invalid;

┌─res─────┬─res_invalid─┐
│ Encoded │             │
└─────────┴─────────────┘

base58Encode

Base58により、"Bitcoin" アルファベットを使用して文字列をエンコードします。

構文

base58Encode(plaintext)

引数

• plaintext — String 列または定数。

返される値

• 引数のエンコードされた値を含む文字列。String または FixedString。

例

SELECT base58Encode('Encoded');

結果:

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

base58Decode

文字列を受け取り、"Bitcoin" アルファベットを使用してBase58 エンコーディングスキームを使用してデコードします。

構文

base58Decode(encoded)

引数

• encoded — String または FixedString。文字列が有効なBase58エンコードされた値でない場合、例外がスローされます。

返される値

• 引数のデコードされた値を含む文字列。String。

例

SELECT base58Decode('3dc8KtHrwM');

結果:

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

tryBase58Decode

base58Decode と同様ですが、エラーの場合には空の文字列を返します。

構文

tryBase58Decode(encoded)

引数

• encoded — String または FixedString。文字列が有効なBase58エンコードされた値でない場合、エラー時に空の文字列を返します。

返される値

• 引数のデコードされた値を含む文字列。

例

クエリ:

SELECT tryBase58Decode('3dc8KtHrwM') AS res, tryBase58Decode('invalid') AS res_invalid;

┌─res─────┬─res_invalid─┐
│ Encoded │             │
└─────────┴─────────────┘

base64Encode

文字列または固定文字列をbase64としてエンコードします。RFC 4648 に従って。

エイリアス: TO_BASE64.

構文

base64Encode(plaintext)

引数

• plaintext — String 列または定数。

返される値

• 引数のエンコードされた値を含む文字列。

例

SELECT base64Encode('clickhouse');

結果:

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

base64URLEncode

URL (String または FixedString) をbase64としてエンコードし、URLに特有の修正を加えます。RFC 4648 に従って。

構文

base64URLEncode(url)

引数

• url — String 列または定数。

返される値

• 引数のエンコードされた値を含む文字列。

例

SELECT base64URLEncode('https://clickhouse.com');

結果:

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

base64Decode

文字列を受け取り、base64からデコードします。RFC 4648 に従って。エラーの場合には例外をスローします。

エイリアス: FROM_BASE64.

構文

base64Decode(encoded)

引数

• encoded — String 列または定数。文字列が有効なBase64エンコードされた値でない場合、例外がスローされます。

返される値

• 引数のデコードされた値を含む文字列。

例

SELECT base64Decode('Y2xpY2tob3VzZQ==');

結果:

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

base64URLDecode

base64エンコードされたURLを受け取り、base64からデコードし、URLに特有の修正を加えます。RFC 4648 に従って。エラーの場合には例外をスローします。

構文

base64URLDecode(encodedUrl)

引数

• encodedURL — String 列または定数。文字列が有効なBase64エンコードされた値でない場合、例外がスローされます。

返される値

• 引数のデコードされた値を含む文字列。

例

SELECT base64URLDecode('aHR0cDovL2NsaWNraG91c2UuY29t');

結果:

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

tryBase64Decode

base64Decode と同様ですが、エラーの場合には空の文字列を返します。

構文

tryBase64Decode(encoded)

引数

• encoded — String 列または定数。文字列が有効なBase64エンコードされた値でない場合、空の文字列を返します。

返される値

• 引数のデコードされた値を含む文字列。

例

クエリ:

SELECT tryBase64Decode('RW5jb2RlZA==') AS res, tryBase64Decode('invalid') AS res_invalid;

┌─res────────┬─res_invalid─┐
│ clickhouse │             │
└────────────┴─────────────┘

tryBase64URLDecode

base64URLDecode と同様ですが、エラーの場合には空の文字列を返します。

構文

tryBase64URLDecode(encodedUrl)

引数

• encodedURL — String 列または定数。文字列が有効なBase64エンコードされた値でない場合、空の文字列を返します。

返される値

• 引数のデコードされた値を含む文字列。

例

クエリ:

SELECT tryBase64URLDecode('aHR0cDovL2NsaWNraG91c2UuY29t') AS res, tryBase64Decode('aHR0cHM6Ly9jbGlja') AS res_invalid;

┌─res────────────────────┬─res_invalid─┐
│ https://clickhouse.com │             │
└────────────────────────┴─────────────┘

endsWith

文字列 str が suffix で終わるかどうかを返します。

構文

endsWith(str, suffix)

endsWithUTF8

文字列 str が suffix で終わるかどうかを返します。endsWithUTF8 と endsWith の違いは、endsWithUTF8 が UTF-8 文字で str と suffix を一致させることです。

構文

endsWithUTF8(str, suffix)

例

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

結果:

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

startsWith

文字列 str が prefix で始まるかどうかを返します。

構文

startsWith(str, prefix)

例

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

startsWithUTF8

Available in version 23.8 and later

文字列 str が prefix で始まるかどうかを返します。startsWithUTF8 と startsWith の違いは、startsWithUTF8 が UTF-8 文字で str と prefix を一致させることです。

例

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

結果:

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

trim

指定された文字を文字列の先頭または末尾から削除します。特に指定されない場合、関数は空白 (ASCII文字32) を削除します。

構文

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

引数

• trim_character — 切り取る文字。String。
• input_string — 切り取る対象の文字列。String。

返される値

先頭および/または末尾の指定された文字が含まれていない文字列。String。

例

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

結果:

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

trimLeft

文字列の先頭から空白 (ASCII文字32) の連続発生を削除します。

構文

trimLeft(input_string[, trim_characters])

エイリアス: ltrim.

引数

• input_string — 切り取る対象の文字列。String。
• trim_characters — 切り取る文字。オプション。String。指定しない場合は、' ' (単一空白) が切り取り文字として使用されます。

返される値

先頭に一般的な空白が含まれていない文字列。String。

例

SELECT trimLeft('     Hello, world!     ');

結果:

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

trimRight

文字列の末尾から連続した空白文字 (ASCII文字32) を削除します。

構文

trimRight(input_string[, trim_characters])

エイリアス: rtrim.

引数

• input_string — トリムする文字列。 String.
• trim_characters — トリムする文字。オプション。 String. 指定されない場合は、' ' (単一の空白) がトリム文字として使用されます。

戻り値

末尾の空白がない文字列。 String.

例

SELECT trimRight('     Hello, world!     ');

結果:

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

trimBoth

文字列の両端から連続した空白文字 (ASCII文字32) を削除します。

構文

trimBoth(input_string[, trim_characters])

エイリアス: trim.

引数

• input_string — トリムする文字列。 String.
• trim_characters — トリムする文字。オプション。 String. 指定されない場合は、' ' (単一の空白) がトリム文字として使用されます。

戻り値

先頭と末尾の空白がない文字列。 String.

例

SELECT trimBoth('     Hello, world!     ');

結果:

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

CRC32

文字列のCRC32チェックサムを、CRC-32-IEEE 802.3多項式および初期値 0xffffffff (zlib実装) を使用して返します。

戻り値の型はUInt32です。

CRC32IEEE

文字列のCRC32チェックサムを、CRC-32-IEEE 802.3多項式を使用して返します。

戻り値の型はUInt32です。

CRC64

文字列のCRC64チェックサムを、CRC-64-ECMA多項式を使用して返します。

戻り値の型はUInt64です。

normalizeUTF8NFC

文字列をNFC正規化形式に変換します。文字列が有効なUTF8エンコードされたテキストであると仮定します。

構文

normalizeUTF8NFC(words)

引数

• words — UTF8エンコードされた入力文字列。 String.

戻り値

• NFC正規化形式に変換された文字列。 String.

例

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

結果:

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

normalizeUTF8NFD

文字列をNFD正規化形式に変換します。文字列が有効なUTF8エンコードされたテキストであると仮定します。

構文

normalizeUTF8NFD(words)

引数

• words — UTF8エンコードされた入力文字列。 String.

戻り値

• NFD正規化形式に変換された文字列。 String.

例

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

結果:

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

normalizeUTF8NFKC

文字列をNFKC正規化形式に変換します。文字列が有効なUTF8エンコードされたテキストであると仮定します。

構文

normalizeUTF8NFKC(words)

引数

• words — UTF8エンコードされた入力文字列。 String.

戻り値

• NFKC正規化形式に変換された文字列。 String.

例

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

結果:

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

normalizeUTF8NFKD

文字列をNFKD正規化形式に変換します。文字列が有効なUTF8エンコードされたテキストであると仮定します。

構文

normalizeUTF8NFKD(words)

引数

• words — UTF8エンコードされた入力文字列。 String.

戻り値

• NFKD正規化形式に変換された文字列。 String.

例

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

結果:

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

encodeXMLComponent

特別な意味を持つXML文字をエスケープし、XMLテキストノードや属性に埋め込むことができるようにします。

次の文字が置換されます: <, &, >, ", '. また、XMLおよびHTMLの文字エンティティ参照のリストも参照してください。

構文

encodeXMLComponent(x)

引数

• x — 入力文字列。 String.

戻り値

• エスケープされた文字列。 String.

例

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

結果:

Hello, "world"!
<123>
&clickhouse
'foo'

decodeXMLComponent

XMLで特別な意味を持つサブ文字列をデコードします。これらのサブ文字列は、" & ' > < です。

この関数はまた、数値文字参照をUnicode文字に置き換えます。十進法 (✓) と16進法 (✓) の両方の形式がサポートされています。

構文

decodeXMLComponent(x)

引数

• x — 入力文字列。 String.

戻り値

• デコードされた文字列。 String.

例

SELECT decodeXMLComponent(''foo'');
SELECT decodeXMLComponent('< Σ >');

結果:

'foo'
< Σ >

decodeHTMLComponent

HTMLで特別な意味を持つサブ文字列をデコードします。例えば: ℏ > ♦ ♥ < など。

この関数はまた、数値文字参照をUnicode文字に置き換えます。十進法 (✓) と16進法 (✓) の両方の形式がサポートされています。

構文

decodeHTMLComponent(x)

引数

• x — 入力文字列。 String.

戻り値

• デコードされた文字列。 String.

例

SELECT decodeHTMLComponent(''CH');
SELECT decodeHTMLComponent('I♥ClickHouse');

結果:

'CH'
I♥ClickHouse'

extractTextFromHTML

この関数はHTMLまたはXHTMLからプレーンテキストを抽出します。

HTML、XML、XHTMLの仕様に100%準拠しているわけではありませんが、実装は合理的に正確で高速です。ルールは次のとおりです。

1. コメントはスキップされます。例: <!-- test -->。コメントは --> で終了する必要があります。ネストされたコメントは許可されません。 注意: <!--> や <!---> のような構文はHTMLでは有効なコメントではありませんが、他のルールによりスキップされます。
2. CDATAはそのまま貼り付けられます。注意: CDATAはXML/XHTML特有であり、「最善の努力」ベースで処理されます。
3. scriptおよびstyle要素は、その内容とともに削除されます。注意: 閉じタグは内容内に出現しないと仮定されます。たとえば、JSの文字列リテラルは "<\/script>"のようにエスケープする必要があります。 注意: scriptまたはstyle内ではコメントやCDATAが可能ですが、その場合、CDATA内で閉じタグは検索されません。例: <script><![CDATA[</script>]]></script>。 しかし、コメント内では検索されます。時には複雑になります: <script>var x = "<!--"; </script> var y = "-->"; alert(x + y);</script>。 注意: scriptおよびstyleはXML名前空間の名前である可能性があるため、その場合、通常の script または style 要素として扱われません。例: <script:a>Hello</script:a>。 注意: 閉じタグ名の後に空白が入ることはあります: </script > ですが、その前には入らないことが期待されます: < / script>。
4. 他のタグやタグのような要素は、内部コンテンツなしでスキップされます。例: <a>.</a> 注意: このHTMLは違法であることが期待されています: <a test=">"></a> 注意: <>や <!> のようなタグもスキップされます。 注意: 終了しないタグは入力の終わりまでスキップされます: <hello 。
5. HTMLおよびXMLエンティティはデコードされません。別の関数で処理する必要があります。
6. テキスト内の空白は特定のルールに従って折りたたまれるか挿入されます。
   • 開始と終了の空白が削除されます。
   • 連続する空白が折りたたまれます。
   • ただし、テキストが他の要素によって区切られ、空白がない場合は挿入されます。
   • これは不自然な例を引き起こす可能性があります: Hello<b>world</b>, Hello<!-- -->world - HTMLには空白がありませんが、関数はそれを挿入します。また考えてください: Hello<p>world</p>, Hello<br>world。この動作はデータ分析にとって合理的です。たとえば、HTMLを単語の袋に変換するためです。
7. 正確な空白処理には、<pre></pre> とCSSの display および white-space プロパティのサポートが必要です。

構文

extractTextFromHTML(x)

引数

• x — 入力テキスト。 String.

戻り値

• 抽出されたテキスト。 String.

例

最初の例にはいくつかのタグとコメントが含まれており、空白処理も示しています。 2番目の例は CDATA と script タグ処理を示しています。 3番目の例では、url関数から受け取った完全なHTMLレスポンスからテキストが抽出されます。

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');

結果:

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

ascii

文字列 s の最初の文字のASCIIコードポイント (Int32として) を返します。

s が空である場合、結果は0です。最初の文字がASCII文字でない場合や、Latin-1補完の範囲内にない場合、結果は未定義です。

構文

ascii(s)

soundex

文字列のSoundexコードを返します。

構文

soundex(val)

引数

• val — 入力値。 String

戻り値

• 入力値のSoundexコード。 String

例

SELECT soundex('aksel');

結果:

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

punycodeEncode

文字列のPunycode表現を返します。 文字列はUTF8エンコードされている必要があります。そうでない場合、動作は未定義です。

構文

punycodeEncode(val)

引数

• val — 入力値。 String

戻り値

• 入力値のPunycode表現。 String

例

SELECT punycodeEncode('München');

結果:

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

punycodeDecode

Punycodeエンコードされた文字列のUTF8エンコードされたプレーンテキストを返します。 無効なPunycodeエンコードされた文字列が与えられた場合、例外がスローされます。

構文

punycodeEncode(val)

引数

• val — Punycodeエンコードされた文字列。 String

戻り値

• 入力値のプレーンテキスト。 String

例

SELECT punycodeDecode('Mnchen-3ya');

結果:

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

tryPunycodeDecode

punycodeDecodeと同様ですが、有効なPunycodeエンコードされた文字列が与えられなかった場合は空の文字列を返します。

idnaEncode

国際化ドメイン名アプリケーションにおけるドメイン名 (IDNA) メカニズムに従って、ドメイン名のASCII表現 (ToASCIIアルゴリズム) を返します。 入力文字列はUTFエンコードされ、ASCII文字列に変換可能でなければなりません。そうでない場合、例外がスローされます。 注意: パーセントデコーディングやタブ、スペース、制御文字のトリミングは行われません。

構文

idnaEncode(val)

引数

• val — 入力値。 String

戻り値

• 入力値のIDNAメカニズムに従ったASCII表現。 String

例

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

結果:

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

tryIdnaEncode

idnaEncodeと同様ですが、例外をスローする代わりにエラー発生時に空の文字列を返します。

idnaDecode

国際化ドメイン名アプリケーションにおけるドメイン名 (IDNA) メカニズムに従って、ドメイン名のUnicode (UTF-8) 表現 (ToUnicodeアルゴリズム) を返します。 エラーが発生した場合 (例: 入力が無効な場合)、入力文字列が返されます。 idnaEncode() と idnaDecode() を繰り返し適用することは、ケース正規化のために必ずしも元の文字列を返すわけではないことに注意してください。

構文

idnaDecode(val)

引数

• val — 入力値。 String

戻り値

• 入力値のIDNAメカニズムに従ったUnicode (UTF-8) 表現。 String

例

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

結果:

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

byteHammingDistance

2つのバイト文字列間のハミング距離を計算します。

構文

byteHammingDistance(string1, string2)

例

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

結果:

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

エイリアス: mismatches

stringJaccardIndex

2つのバイト文字列間のJaccard類似度指数を計算します。

構文

stringJaccardIndex(string1, string2)

例

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

結果:

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

stringJaccardIndexUTF8

[80]中の>stringJaccardIndex](#stringjaccardindex)と同様ですが、UTF8エンコードされた文字列に対して動作します。

editDistance

2つのバイト文字列間の編集距離を計算します。

構文

editDistance(string1, string2)

例

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

結果:

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

エイリアス: levenshteinDistance

editDistanceUTF8

2つのUTF8文字列間の編集距離を計算します。

構文

editDistanceUTF8(string1, string2)

例

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

結果:

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

エイリアス: levenshteinDistanceUTF8

damerauLevenshteinDistance

2つのバイト文字列間のDamerau-Levenshtein距離を計算します。

構文

damerauLevenshteinDistance(string1, string2)

例

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

結果:

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

jaroSimilarity

2つのバイト文字列間のJaro類似度を計算します。

構文

jaroSimilarity(string1, string2)

例

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

結果:

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

jaroWinklerSimilarity

2つのバイト文字列間のJaro-Winkler類似度を計算します。

構文

jaroWinklerSimilarity(string1, string2)

例

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

結果:

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

initcap

各単語の最初の文字を大文字にし、そのほかを小文字にします。単語は、非英数字文字で区切られた英数字の文字列です。

注記

initCapは各単語の最初の文字のみを大文字に変換するため、アポストロフィや大文字を含む単語では予期しない動作が観察されることがあります。例えば:

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

は次のように返されます。

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

これは既知の動作であり、修正の計画は現在ありません。

構文

initcap(val)

引数

• val — 入力値。 String.

戻り値

• 単語の最初の文字が大文字に変換された val。 String.

例

クエリ:

SELECT initcap('building for fast');

結果:

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

initcapUTF8

initcapと同様に、initcapUTF8は各単語の最初の文字を大文字にし、そのほかを小文字にします。有効なUTF-8エンコードされたテキストが含まれていると仮定します。 この仮定が破られた場合、例外はスローされず、結果は未定義になります。

注記

この関数は言語を検出しません。例えば、トルコ語の場合、結果が正確でない場合があります (i/İ vs. i/I)。 UTF-8バイトシーケンスの長さが大文字と小文字で異なる場合、このコードポイントの結果が正しくない場合があります。

構文

initcapUTF8(val)

引数

• val — 入力値。 String.

戻り値

• 単語の最初の文字が大文字に変換された val。 String.

例

クエリ:

SELECT initcapUTF8('не тормозит');

結果:

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

firstLine

複数行の文字列から最初の行を返します。

構文

firstLine(val)

引数

• val — 入力値。 String

戻り値

• 入力値の最初の行、または行区切りがない場合は全体の値。 String

例

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

結果:

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

stringCompare

2つの文字列を辞書式に比較します。

構文

stringCompare(string1, string2[, str1_off, string2_offset, num_bytes]);

引数

• string1 — 比較する最初の文字列。 String
• string2 - 比較する2番目の文字列。 String
• string1_offset — 比較が始まる string1 内の位置 (0ベース)。オプション、正の数。
• string2_offset — 比較が始まる string2 内の位置 (0ベース)。オプション、正の数。
• num_bytes — 両方の文字列で比較する最大バイト数。 string_offset + num_bytes が入力文字列の終わりを超える場合、num_bytes はそれに応じて減少します。

戻り値

• -1 — string1[string1_offset: string1_offset + num_bytes] < string2[string2_offset:string2_offset + num_bytes] かつ string1_offset < len(string1) かつ string2_offset < len(string2) の場合。 string1_offset >= len(string1) かつ string2_offset < len(string2) の場合。
• 0 — string1[string1_offset: string1_offset + num_bytes] = string2[string2_offset:string2_offset + num_bytes] かつ string1_offset < len(string1) かつ string2_offset < len(string2) の場合。 string1_offset >= len(string1) かつ string2_offset >= len(string2) の場合。
• 1 — string1[string1_offset: string1_offset + num_bytes] > string2[string2_offset:string2_offset + num_bytes] かつ string1_offset < len(string1) かつ string2_offset < len(string2) の場合。 string1_offset < len(string1) かつ string2_offset >= len(string2) の場合。

例

SELECT
    stringCompare('alice', 'bob', 0, 0, 3) AS result1,
    stringCompare('alice', 'alicia', 0, 0, 3) AS result2,
    stringCompare('bob', 'alice', 0, 0, 3) AS result3

結果:

   ┌─result1─┬─result2─┬─result3─┐
1. │      -1 │       0 │       1 │
   └─────────┴─────────┴─────────┘

SELECT
    stringCompare('alice', 'alicia') AS result2,
    stringCompare('alice', 'alice') AS result1,
    stringCompare('bob', 'alice') AS result3

結果:

   ┌─result2─┬─result1─┬─result3─┐
1. │      -1 │       0 │       1 │
   └─────────┴─────────┴─────────┘

sparseGrams

与えられた文字列のすべての部分文字列の中で、長さが少なくとも n であり、 部分文字列の境界にある(n-1)-グラムのハッシュが、部分文字列内部のいかなる(n-1)-グラムのハッシュよりも厳密に大きいものを見つけます。 ハッシュ関数としてcrc32を使用します。

構文

sparseGrams(s[, min_ngram_length]);

引数

• s — 入力文字列。 String
• min_ngram_length — 抽出されるnグラムの最小長。デフォルトおよび最小値は3です。
• max_ngram_length — 抽出されるnグラムの最大長。デフォルト値は100です。 min_ngram_length よりも小さくない必要があります。

戻り値

• 選択された部分文字列の配列。 Array(String).

例

SELECT sparseGrams('alice', 3) AS result

結果:

   ┌─result─────────────────────┐
1. │ ['ali','lic','lice','ice'] │
   └────────────────────────────┘

sparseGramsUTF8

与えられた文字列のすべての部分文字列の中で、長さが少なくとも n であり、 部分文字列の境界にある(n-1)-グラムのハッシュが、部分文字列内部のいかなる(n-1)-グラムのハッシュよりも厳密に大きいものを見つけます。 ハッシュ関数としてcrc32を使用します。 UTF-8文字列を期待し、無効なUTF-8シーケンスの場合は例外をスローします。

構文

sparseGramsUTF8(s[, min_ngram_length]);

引数

• s — 入力文字列。 String
• min_ngram_length — 抽出されるnグラムの最小長。デフォルトおよび最小値は3です。
• max_ngram_length — 抽出されるnグラムの最大長。デフォルト値は100です。 min_ngram_length よりも小さくない必要があります。

戻り値

• 選択された部分文字列のcrc32-cハッシュの配列。 Array(UInt32).

例

SELECT sparseGramsUTF8('алиса', 3) AS result

結果:

   ┌─result──────────────┐
1. │ ['али','лис','иса'] │
   └─────────────────────┘

sparseGramsHashes

与えられた文字列のすべての部分文字列の中で、長さが少なくとも n であり、 部分文字列の境界にある(n-1)-グラムのハッシュが、部分文字列内部のいかなる(n-1)-グラムのハッシュよりも厳密に大きいものを見つけます。 ハッシュ関数としてcrc32を使用します。

構文

sparseGramsHashes(s[, min_ngram_length]);

引数

• s — 入力文字列。 String
• min_ngram_length — 抽出されるnグラムの最小長。デフォルトおよび最小値は3です。
• max_ngram_length — 抽出されるnグラムの最大長。デフォルト値は100です。 min_ngram_length よりも小さくない必要があります。

戻り値

• 選択された部分文字列のcrc32-cハッシュの配列。 Array(UInt32).

例

SELECT sparseGramsHashes('alice', 3) AS result

結果:

   ┌─result────────────────────────────────────────┐
1. │ [1265796434,3725069146,1689963195,3410985998] │
   └───────────────────────────────────────────────┘

sparseGramsHashesUTF8

与えられた文字列のすべての部分文字列の中で、長さが少なくとも n であり、 部分文字列の境界にある(n-1)-グラムのハッシュが、部分文字列内部のいかなる(n-1)-グラムのハッシュよりも厳密に大きいものを見つけます。 ハッシュ関数としてcrc32を使用します。 UTF-8文字列を期待し、無効なUTF-8シーケンスの場合は例外をスローします。

構文

sparseGramsUTF8(s[, min_ngram_length]);

引数

• s — 入力文字列。 String
• min_ngram_length — 抽出されるnグラムの最小長。デフォルトおよび最小値は3です。
• max_ngram_length — 抽出されるnグラムの最大長。デフォルト値は100です。 min_ngram_length よりも小さくない必要があります。

戻り値

• 選択された部分文字列のcrc32-cハッシュの配列。 Array(UInt32).

例

SELECT sparseGramsHashesUTF8('алиса', 3) AS result

結果:

   ┌─result───────────────────────────┐
1. │ [417784657,728683856,3071092609] │
   └──────────────────────────────────┘

stringBytesUniq

文字列内の異なるバイトの数をカウントします。

構文

stringBytesUniq(s)

引数

• s — 分析する文字列。 String.

戻り値

• 文字列内の異なるバイトの数。 UInt16.

例

SELECT stringBytesUniq('Hello');

結果:

┌─stringBytesUniq('Hello')─┐
│                        4 │
└──────────────────────────┘

stringBytesEntropy

文字列内のバイト分布のシャノンエントロピーを計算します。

構文

stringBytesEntropy(s)

引数

• s — 分析する文字列。 String.

戻り値

• 文字列内のバイト分布のシャノンエントロピー。 Float64.

例

SELECT stringBytesEntropy('Hello, world!');

結果:

┌─stringBytesEntropy('Hello, world!')─┐
│                         3.07049960  │
└─────────────────────────────────────┘