メインコンテンツへスキップ
メインコンテンツへスキップ

文字列検索用の関数

このセクションのすべての関数は、デフォルトでは大文字・小文字を区別して検索します。大文字・小文字を区別しない検索は、通常は別の関数バリアントとして提供されます。

注記

大文字・小文字を区別しない検索では、英語の小文字・大文字の規則に従います。たとえば、英語では小文字の i の大文字は I ですが、トルコ語では İ になります。そのため、英語以外の言語では期待と異なる結果になる場合があります。

このセクションの関数は、検索対象の文字列（このセクションでは haystack と呼ぶ）と検索文字列（needle と呼ぶ）が、1 バイトでエンコードされたテキストであることも前提としています。この前提が満たされない場合でも、例外はスローされず、結果は未定義です。UTF-8 エンコードされた文字列での検索は、通常は別の関数バリアントとして提供されます。同様に、UTF-8 用の関数バリアントを使用している場合に、入力文字列が UTF-8 エンコードされたテキストでなくても、例外はスローされず、結果は未定義です。自動的な Unicode 正規化は行われませんが、必要に応じて normalizeUTF8*() 関数を使用できます。

一般的な文字列関数と文字列置換用の関数については別途説明します。

注記

以下のドキュメントは、system.functions システムテーブルから生成されています。

countMatches​

導入バージョン: v21.1

文字列中の正規表現のマッチ数を返します。

バージョン依存の動作

この関数の動作は ClickHouse のバージョンに依存します:

  • v25.6 より前のバージョンでは、パターンが空文字にマッチする場合でも、最初の空マッチが発生した時点でカウントを停止します。
  • v25.6 以降のバージョンでは、空マッチが発生しても処理を継続します。レガシーな動作は、設定 count_matches_stop_at_empty_match = true を使用することで復元できます。

構文

countMatches(haystack, pattern)

引数

  • haystack — 検索対象の文字列。String
  • pattern — 正規表現パターン。String

返される値

一致した件数を返します。UInt64

例

数字列のカウント

SELECT countMatches('hello 123 world 456 test', '[0-9]+')

┌─countMatches('hello 123 world 456 test', '[0-9]+')─┐
│                                                   2 │
└─────────────────────────────────────────────────────┘

countMatchesCaseInsensitive​

導入されたバージョン: v21.1

countMatches と同様ですが、大文字小文字を区別せずにマッチングを行います。

構文

countMatchesCaseInsensitive(haystack, pattern)

引数

  • haystack — 検索対象の文字列。String
  • pattern — 正規表現パターン。const String

戻り値

見つかった一致の数を返します。UInt64

例

大文字と小文字を区別しないカウント

SELECT countMatchesCaseInsensitive('Hello HELLO world', 'hello')

┌─countMatchesCaseInsensitive('Hello HELLO world', 'hello')─┐
│                                                         2 │
└───────────────────────────────────────────────────────────┘

countSubstrings​

導入バージョン: v21.1

部分文字列 needle が文字列 haystack 内に出現する回数を返します。

構文

countSubstrings(haystack, needle[, start_pos])

引数

  • haystack — 検索対象の文字列。String または Enum。 - needle — 検索する部分文字列。String。 - start_pos — 検索を開始する haystack 内の位置（1始まり）。UInt。省略可能。

返される値

出現回数。UInt64

例

使用例

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

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

start_pos 引数ありの場合

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

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

countSubstringsCaseInsensitive​

導入バージョン: v21.1

countSubstrings と同様ですが、大文字・小文字を区別せずにカウントします。

構文

countSubstringsCaseInsensitive(haystack, needle[, start_pos])

引数

  • haystack — 検索を実行する文字列。String または Enum
  • needle — 検索する部分文字列。String
  • start_pos — 省略可能。検索を開始する haystack 内の位置（1 始まりのインデックス）。UInt*

戻り値

haystack 内における needle の出現回数を返します。UInt64

例

使用例

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

┌─countSubstri⋯AAA', 'aa')─┐
│                        2 │
└──────────────────────────┘

start_pos 引数付き

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

┌─countSubstri⋯, 'abc', 4)─┐
│                        2 │
└──────────────────────────┘

countSubstringsCaseInsensitiveUTF8​

導入バージョン: v21.1

countSubstrings と同様ですが、大文字と小文字を区別せずにカウントし、haystack 文字列が UTF-8 であると仮定します。

構文

countSubstringsCaseInsensitiveUTF8(haystack, needle[, start_pos])

引数

  • haystack — 検索を実行する UTF-8 文字列。String または Enum
  • needle — 検索対象の部分文字列。String
  • start_pos — 省略可能。検索を開始する haystack 内の位置（1 始まりのインデックス）。UInt*

返される値

haystack 内で needle が出現する回数を返します。UInt64

例

使用例

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

┌─countSubstri⋯шка', 'КА')─┐
│                        4 │
└──────────────────────────┘

start_pos 引数付き

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

┌─countSubstri⋯, 'КА', 13)─┐
│                        2 │
└──────────────────────────┘

extract​

導入バージョン: v1.1

文字列から、正規表現に最初にマッチした部分文字列を抽出します。 もし 'haystack' が 'pattern' にマッチしない場合は、空文字列が返されます。

この関数は RE2 正規表現ライブラリを使用します。サポートされている構文については re2 を参照してください。

正規表現にキャプチャグループ（サブパターン）が含まれている場合、この関数は入力文字列を最初のキャプチャグループに対して照合します。

構文

extract(haystack, pattern)

引数

  • haystack — 抽出元の文字列。String
  • pattern — 通常はキャプチャグループを含む正規表現。const String

戻り値

抽出された部分文字列を文字列として返します。String

例

メールアドレスからドメインを抽出

SELECT extract('[email protected]', '.*@(.*)$')

┌─extract('[email protected]', '.*@(.*)$')─┐
│ clickhouse.com                            │
└───────────────────────────────────────────┘

一致しない場合は空文字列を返す

SELECT extract('[email protected]', 'no_match')

┌─extract('[email protected]', 'no_match')─┐
│                                            │
└────────────────────────────────────────────┘

extractAll​

導入バージョン: v1.1

extract と同様ですが、文字列内で正規表現に一致するすべての箇所を配列として返します。 'haystack' が 'pattern' の正規表現に一致しない場合は、空の配列が返されます。

正規表現にキャプチャグループ（サブパターン）が含まれている場合、この関数は入力文字列に対して最初のキャプチャグループを基準にマッチングを行います。

構文

extractAll(haystack, pattern)

引数

  • haystack — フラグメント（部分文字列）を抽出する元の文字列。String
  • pattern — 任意でキャプチャグループを含む正規表現。const String

返される値

抽出されたフラグメントの配列を返します。Array(String)

例

すべての数値を抽出する

SELECT extractAll('hello 123 world 456', '[0-9]+')

┌─extractAll('hello 123 world 456', '[0-9]+')─┐
│ ['123','456']                               │
└─────────────────────────────────────────────┘

キャプチャグループを使って抽出

SELECT extractAll('[email protected], [email protected]', '([a-zA-Z0-9]+)@')

┌─extractAll('[email protected], [email protected]', '([a-zA-Z0-9]+)@')─┐
│ ['test','user']                                                    │
└────────────────────────────────────────────────────────────────────┘

extractAllGroupsHorizontal​

導入バージョン: v20.5

指定した正規表現で文字列を検索し、一致したすべてのグループを配列の配列として返します。各配列には、同じキャプチャグループのすべてのキャプチャがグループ番号ごとに整理されて格納されます。

構文

extractAllGroupsHorizontal(s, regexp)

引数

返される値

配列の配列を返します。各内側の配列には、1 つのキャプチャグループに対応する、すべてのマッチからのキャプチャが含まれます。最初の内側の配列にはグループ 1 からのすべてのキャプチャ、2 番目にはグループ 2 からのすべてのキャプチャ、というように続きます。マッチが見つからない場合は空配列を返します。Array(Array(String))

例

使用例

WITH '< Server: nginx
< Date: Tue, 22 Jan 2019 00:26:14 GMT
< Content-Type: text/html; charset=UTF-8
< Connection: keep-alive
' AS s
SELECT extractAllGroupsHorizontal(s, '< ([\\w\\-]+): ([^\\r\\n]+)');

[['Server','Date','Content-Type','Connection'],['nginx','Tue, 22 Jan 2019 00:26:14 GMT','text/html; charset=UTF-8','keep-alive']]

extractGroups​

導入バージョン: v20.5

正規表現にマッチする互いに重ならない部分文字列から、すべてのキャプチャグループを抽出します。

構文

extractAllGroups(s, regexp)

引数

返り値

関数が少なくとも 1 つのマッチンググループを見つけた場合、group_id ごとにまとめられた Array(Array(String)) カラムを返します（1 から N。ここで N は regexp 内のキャプチャグループ数）。マッチンググループがない場合は空の配列を返します。Array(Array(String))

例

使用例

WITH '< Server: nginx
< Date: Tue, 22 Jan 2019 00:26:14 GMT
< Content-Type: text/html; charset=UTF-8
< Connection: keep-alive
' AS s
SELECT extractAllGroups(s, '< ([\\w\\-]+): ([^\\r\\n]+)');

[['Server','nginx'],['Date','Tue, 22 Jan 2019 00:26:14 GMT'],['Content-Type','text/html; charset=UTF-8'],['Connection','keep-alive']]

hasAllTokens​

導入: v25.10

hasAnyTokensと同様ですが、needle文字列または配列内のすべてのトークンがinput文字列と一致する場合は1を返し、それ以外の場合は0を返します。inputがカラムの場合、この条件を満たすすべての行を返します。

注記

最適なパフォーマンスを得るには、カラム input にテキスト索引を定義しておく必要があります。 テキスト索引が定義されていない場合、この関数はブルートフォースによるカラムスキャンを実行するため、索引検索と比較して桁違いに遅くなります。

検索前に、関数はトークン化を実行します

  • 常に input 引数と
  • needle 引数が String 型で指定されている場合は、 テキストインデックスに対して定義されているトークナイザーを使用して処理されます。 カラムにテキストインデックスが定義されていない場合は、代わりに splitByNonAlpha トークナイザーが使用されます。 needle 引数が Array(String) 型の場合、配列の各要素はトークンとして扱われ、追加のトークナイズ処理は行われません。

重複するトークンは無視されます。 例えば、needles = ['ClickHouse', 'ClickHouse'] は ['ClickHouse'] と同様に扱われます。

構文

hasAllTokens(input, needles)

別名: hasAllToken

引数

返り値

すべてのneedleが一致する場合は1を返します。それ以外の場合は0を返します。UInt8

例

文字列カラムの使用例

CREATE TABLE table (
    id UInt32,
    msg String,
    INDEX idx(msg) TYPE text(tokenizer = splitByString(['()', '\\']))
)
ENGINE = MergeTree
ORDER BY id;

INSERT INTO table VALUES (1, '()a,\\bc()d'), (2, '()\\a()bc\\d'), (3, ',()a\\,bc,(),d,');

SELECT count() FROM table WHERE hasAllTokens(msg, 'a\\d()');

┌─count()─┐
│       1 │
└─────────┘

検索する文字列をそのまま（トークン化なし）配列で指定する

SELECT count() FROM table WHERE hasAllTokens(msg, ['a', 'd']);

┌─count()─┐
│       1 │
└─────────┘

tokens関数を使用して検索対象を生成する

SELECT count() FROM table WHERE hasAllTokens(msg, tokens('a()d', 'splitByString', ['()', '\\']));

┌─count()─┐
│       1 │
└─────────┘

配列およびマップカラムの使用例

CREATE TABLE log (
    id UInt32,
    tags Array(String),
    attributes Map(String, String),
    INDEX idx_tags (tags) TYPE text(tokenizer = splitByNonAlpha),
    INDEX idx_attributes_keys mapKeys(attributes) TYPE text(tokenizer = array),
    INDEX idx_attributes_vals mapValues(attributes) TYPE text(tokenizer = array)
)
ENGINE = MergeTree
ORDER BY id;

INSERT INTO log VALUES
    (1, ['clickhouse', 'clickhouse cloud'], {'address': '192.0.0.1', 'log_level': 'INFO'}),
    (2, ['chdb'], {'embedded': 'true', 'log_level': 'DEBUG'});

配列カラムの例

SELECT count() FROM log WHERE hasAllTokens(tags, 'clickhouse');

┌─count()─┐
│       1 │
└─────────┘

mapKeysの使用例

SELECT count() FROM log WHERE hasAllTokens(mapKeys(attributes), ['address', 'log_level']);

┌─count()─┐
│       1 │
└─────────┘

mapValues使用例

SELECT count() FROM log WHERE hasAllTokens(mapValues(attributes), ['192.0.0.1', 'DEBUG']);

┌─count()─┐
│       0 │
└─────────┘

hasAnyTokens​

導入バージョン: v25.10

needle 文字列または配列内のトークンのうち少なくとも 1 つが input 文字列にマッチする場合は 1 を返し、それ以外の場合は 0 を返します。input がカラムの場合、この条件を満たすすべての行を返します。

注記

最適なパフォーマンスを得るために、カラム input には text index が定義されている必要があります。 text index が定義されていない場合、関数はインデックス検索よりも桁違いに遅い総当たりのカラム走査を行います。

検索を行う前に、この関数は次をトークン化します。

  • input 引数（常に）
  • needle 引数（String として与えられた場合）

これらのトークン化には、text index に対して指定された tokenizer を使用します。 カラムに text index が定義されていない場合は、代わりに splitByNonAlpha tokenizer が使用されます。 needle 引数が Array(String) 型の場合、各配列要素はトークンとして扱われ、追加のトークン化は行われません。

重複するトークンは無視されます。 たとえば、['ClickHouse', 'ClickHouse'] は ['ClickHouse'] と同じように扱われます。

構文

hasAnyTokens(input, needles)

別名: hasAnyToken

引数

返される値

少なくとも 1 件の一致が見つかった場合は 1、それ以外の場合は 0 を返します。UInt8

例

文字列カラムでの使用例

CREATE TABLE table (
    id UInt32,
    msg String,
    INDEX idx(msg) TYPE text(tokenizer = splitByString(['()', '\\']))
)
ENGINE = MergeTree
ORDER BY id;

INSERT INTO table VALUES (1, '()a,\\bc()d'), (2, '()\\a()bc\\d'), (3, ',()a\\,bc,(),d,');

SELECT count() FROM table WHERE hasAnyTokens(msg, 'a\\d()');

┌─count()─┐
│       3 │
└─────────┘

検索する文字列（トークン化せず AS-IS のまま）を配列で指定します

SELECT count() FROM table WHERE hasAnyTokens(msg, ['a', 'd']);

┌─count()─┐
│       3 │
└─────────┘

tokens 関数で needle を生成する

SELECT count() FROM table WHERE hasAnyTokens(msg, tokens('a()d', 'splitByString', ['()', '\\']));

┌─count()─┐
│       3 │
└─────────┘

配列カラムおよびマップカラムの使用例

CREATE TABLE log (
    id UInt32,
    tags Array(String),
    attributes Map(String, String),
    INDEX idx_tags (tags) TYPE text(tokenizer = splitByNonAlpha),
    INDEX idx_attributes_keys mapKeys(attributes) TYPE text(tokenizer = array),
    INDEX idx_attributes_vals mapValues(attributes) TYPE text(tokenizer = array)
)
ENGINE = MergeTree
ORDER BY id;

INSERT INTO log VALUES
    (1, ['clickhouse', 'clickhouse cloud'], {'address': '192.0.0.1', 'log_level': 'INFO'}),
    (2, ['chdb'], {'embedded': 'true', 'log_level': 'DEBUG'});

配列カラムの例

SELECT count() FROM log WHERE hasAnyTokens(tags, 'clickhouse');

┌─count()─┐
│       1 │
└─────────┘

mapKeys を使った例

SELECT count() FROM log WHERE hasAnyTokens(mapKeys(attributes), ['address', 'log_level']);

┌─count()─┐
│       2 │
└─────────┘

mapValues を使った例

SELECT count() FROM log WHERE hasAnyTokens(mapValues(attributes), ['192.0.0.1', 'DEBUG']);

┌─count()─┐
│       2 │
└─────────┘

hasSubsequence​

導入バージョン: v23.7

文字列 haystack の中に、文字列 needle が部分列として含まれているかを判定します。 文字列の部分列とは、残りの文字の順序を変えずに、いくつか、またはいっさいの文字を削除することで別の文字列から得られる文字列の並びを指します。

構文

hasSubsequence(haystack, needle)

引数

  • haystack — 部分文字列を検索する対象の文字列。String
  • needle — 検索する部分文字列。String

戻り値

needle が haystack の部分文字列であれば 1 を返し、それ以外の場合は 0 を返します。UInt8

例

基本的な部分文字列チェック

SELECT hasSubsequence('Hello World', 'HlWrd')

┌─hasSubsequence('Hello World', 'HlWrd')─┐
│                                      1 │
└────────────────────────────────────────┘

部分文字列は見つかりません

SELECT hasSubsequence('Hello World', 'xyz')

┌─hasSubsequence('Hello World', 'xyz')─┐
│                                    0 │
└──────────────────────────────────────┘

hasSubsequenceCaseInsensitive​

導入バージョン: v23.7

hasSubsequence と同様ですが、検索時に大文字と小文字を区別しません。

構文

hasSubsequenceCaseInsensitive(haystack, needle)

引数

  • haystack — 検索を行う対象の文字列。String
  • needle — 検索対象の部分文字列。String

返される値

needle が haystack の部分文字列であれば 1、それ以外の場合は 0 を返します。UInt8

例

使用例

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

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

hasSubsequenceCaseInsensitiveUTF8​

導入バージョン: v23.7

hasSubsequenceUTF8 と同様ですが、大文字と小文字を区別せずに検索します。

構文

hasSubsequenceCaseInsensitiveUTF8(haystack, needle)

引数

  • haystack — 検索を行う UTF-8 エンコードされた文字列。String
  • needle — 検索対象となる UTF-8 エンコードされた部分列。String

返される値

needle が haystack の部分列である場合は 1 を返し、それ以外の場合は 0 を返します。UInt8

例

使用例

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

┌─hasSubsequen⋯ 'СИСТЕМА')─┐
│                        1 │
└──────────────────────────┘

hasSubsequenceUTF8​

導入バージョン: v23.7

hasSubsequence と同様の関数ですが、haystack と needle が UTF-8 でエンコードされた文字列であることを前提とします。

構文

hasSubsequenceUTF8(haystack, needle)

引数

  • haystack — 検索対象の文字列。String
  • needle — 検索する部分文字列。String

返される値

needle が haystack の部分文字列であれば 1、そうでなければ 0 を返します。UInt8

例

使用例

SELECT hasSubsequenceUTF8('картошка', 'кошка');

┌─hasSubsequen⋯', 'кошка')─┐
│                        1 │
└──────────────────────────┘

一致しない部分列

SELECT hasSubsequenceUTF8('картошка', 'апельсин');

┌─hasSubsequen⋯'апельсин')─┐
│                        0 │
└──────────────────────────┘

hasToken​

導入されたバージョン: v20.1

指定したトークンが検索対象文字列（haystack）内に存在するかを確認します。

トークンは、連続した文字 [0-9A-Za-z_]（つまり、数字、ASCII 英字、アンダースコア）からなる、可能な限り長い部分列として定義されます。

構文

hasToken(haystack, token)

引数

  • haystack — トークンを検索する対象の文字列。String
  • token — 検索するトークン。const String

戻り値

トークンが見つかった場合は 1、それ以外の場合は 0 を返します。UInt8

例

トークン検索

SELECT hasToken('clickhouse test', 'test')

┌─hasToken('clickhouse test', 'test')─┐
│                                   1 │
└─────────────────────────────────────┘

hasTokenCaseInsensitive​

導入バージョン: v

tokenbf&#95;v1 索引を使用して、haystack 内の needle を大文字小文字を区別せずに検索します。

構文

引数

  • なし。

戻り値

例

hasTokenCaseInsensitiveOrNull​

導入バージョン: v

tokenbf_v1 索引を用いて、haystack 内で needle を大文字小文字を区別せずに検索します。needle が不正な形式の場合は null を返します。

構文

引数

  • なし

戻り値

例

hasTokenOrNull​

導入バージョン: v20.1

hasToken と同様ですが、トークンの形式が不正な場合は null を返します。

構文

hasTokenOrNull(haystack, token)

引数

  • haystack — 検索対象の文字列。定数である必要があります。String
  • token — 検索するトークン。const String

返される値

トークンが見つかった場合は 1、見つからない場合は 0、トークンの形式が不正な場合は NULL を返します。Nullable(UInt8)

例

使用例

SELECT hasTokenOrNull('apple banana cherry', 'ban ana');

┌─hasTokenOrNu⋯ 'ban ana')─┐
│                     ᴺᵁᴸᴸ │
└──────────────────────────┘

ilike​

導入バージョン: v20.6

like と同様ですが、大文字と小文字を区別しない検索を行います。

構文

ilike(haystack, pattern)
-- haystack ILIKE pattern

引数

  • haystack — 検索対象の文字列。String または FixedString
  • pattern — 照合に使用する LIKE パターン。String

返される値

文字列が LIKE パターンに一致する場合は 1 を返し（一致判定は大文字小文字を区別しません）、それ以外の場合は 0 を返します。UInt8

例

使用例

SELECT ilike('ClickHouse', '%house%');

┌─ilike('ClickHouse', '%house%')─┐
│                              1 │
└────────────────────────────────┘

like​

導入バージョン: v1.1

文字列 haystack が LIKE 式 pattern にマッチするかどうかを返します。

LIKE 式には通常の文字に加えて、次のメタ記号を含めることができます：

  • % は任意の数の任意の文字（0 文字も含む）を表します。
  • _ は 1 文字の任意の文字を表します。
  • \ はリテラルの %、_、\ をエスケープするために使用します。

マッチングは UTF-8 に基づきます。例えば _ は、UTF-8 で 2 バイトで表現される Unicode コードポイント ¥ にマッチします。

haystack または LIKE 式が有効な UTF-8 でない場合、動作は未定義です。

Unicode 正規化は自動では実行されません。そのためには normalizeUTF8* 関数群を使用できます。

リテラルの %、_、\（これらは LIKE のメタ文字です）にマッチさせるには、先頭にバックスラッシュを付けて \%、\_、\\ のように記述します。 バックスラッシュが %、_、\ 以外の文字の前に付く場合、その特別な意味を失い（すなわちリテラルとして解釈され）ます。

注記

ClickHouse では文字列中のバックスラッシュもクオートする必要があるため、実際には \\%、\\_、\\\\ のように記述する必要があります。

%needle% 形式の LIKE 式に対しては、この関数は position 関数と同等の速度で動作します。 それ以外の LIKE 式は内部的に正規表現に変換され、match 関数と同程度のパフォーマンスで実行されます。

構文

like(haystack, pattern)
-- haystack LIKE pattern

引数

  • haystack — 検索を実行する文字列。String または FixedString
  • pattern — 照合対象の LIKE パターン。%（任意個の文字に一致）、_（任意の1文字に一致）、およびエスケープ用の \ を含めることができます。String

返される値

文字列が LIKE パターンに一致する場合は 1、それ以外の場合は 0 を返します。UInt8

例

使用例

SELECT like('ClickHouse', '%House');

┌─like('ClickHouse', '%House')─┐
│                            1 │
└──────────────────────────────┘

1文字ワイルドカード

SELECT like('ClickHouse', 'Click_ouse');

┌─like('ClickH⋯lick_ouse')─┐
│                        1 │
└──────────────────────────┘

マッチしないパターン

SELECT like('ClickHouse', '%SQL%');

┌─like('ClickHouse', '%SQL%')─┐
│                           0 │
└─────────────────────────────┘

locate​

導入バージョン: v18.16

position と同様ですが、引数 haystack と needle の順序が入れ替わっています。

Version dependent behavior

この関数の動作は ClickHouse のバージョンに依存します。

  • v24.3 未満のバージョンでは、locate は関数 position のエイリアスであり、引数 (haystack, needle[, start_pos]) を受け付けます。
  • v24.3 以上のバージョンでは、locate は個別の関数（MySQL との互換性向上のため）であり、引数 (needle, haystack[, start_pos]) を受け付けます。 以前の動作は、設定 function_locate_has_mysql_compatible_argument_order = false を用いることで復元できます。

構文

locate(needle, haystack[, start_pos])

引数

  • needle — 検索する部分文字列。String
  • haystack — 検索を行う対象の文字列。String または Enum
  • start_pos — 省略可能。検索を開始する haystack 内の位置 (1 始まり)。UInt

返される値

部分文字列が見つかった場合は、バイト単位で 1 から数えた開始位置を返し、見つからなかった場合は 0 を返します。UInt64

例

基本的な使い方

SELECT locate('ca', 'abcabc')

┌─locate('ca', 'abcabc')─┐
│                      3 │
└────────────────────────┘

match​

導入バージョン: v1.1

指定された文字列が、指定された正規表現パターンにマッチするかどうかをチェックします。

この関数は RE2 正規表現ライブラリを使用します。サポートされている構文については re2 を参照してください。

マッチングは UTF-8 を前提として動作します。たとえば ¥ は内部的には 2 バイトを使用しますが、マッチングでは 1 つのコードポイントとして扱われます。 正規表現には NULL バイトを含めてはいけません。 haystack またはパターンが有効な UTF-8 でない場合の動作は未定義です。

re2 のデフォルト動作とは異なり、. は改行にもマッチします。これを無効にするには、パターンの先頭に (?-s) を付けてください。

パターンは両端で自動的にアンカーされます（パターンが先頭に '^'、末尾に '$' が付いているかのように扱われます）。

部分文字列だけを検索したい場合は、代わりに関数 like または position を使用できます。これらはこの関数よりもはるかに高速に動作します。

代替の演算子構文: haystack REGEXP pattern。

構文

match(haystack, pattern)

エイリアス: REGEXP_MATCHES

引数

  • haystack — パターンを検索する対象の文字列。String
  • pattern — 正規表現パターン。const String

戻り値

パターンがマッチした場合は 1、それ以外は 0 を返します。UInt8

例

基本的なパターンマッチング

SELECT match('Hello World', 'Hello.*')

┌─match('Hello World', 'Hello.*')─┐
│                               1 │
└─────────────────────────────────┘

パターンが一致しない場合

SELECT match('Hello World', 'goodbye.*')

┌─match('Hello World', 'goodbye.*')─┐
│                                 0 │
└───────────────────────────────────┘

multiFuzzyMatchAllIndices​

導入バージョン: v20.1

multiFuzzyMatchAny と同様ですが、一定の編集距離内で haystack にマッチするすべてのインデックスを、順不同の配列として返します。

構文

multiFuzzyMatchAllIndices(haystack, distance, [pattern1, pattern2, ..., patternN])

引数

  • haystack — 検索を行う対象の文字列。String
  • distance — あいまい一致に用いる最大編集距離。UInt8
  • pattern — 照合対象となるパターンの配列。Array(String)

返り値

指定した編集距離以内で haystack にマッチするすべてのインデックス（1 から始まる）を、順序は問わずに含む配列を返します。一致が見つからない場合は空配列を返します。Array(UInt64)

例

使用例

SELECT multiFuzzyMatchAllIndices('ClickHouse', 2, ['ClickHouse', 'ClckHouse', 'ClickHose', 'House']);

┌─multiFuzzyMa⋯, 'House'])─┐
│ [3,1,4,2]                │
└──────────────────────────┘

multiFuzzyMatchAny​

導入バージョン: v20.1

multiMatchAny と似ていますが、任意のパターンが一定の 編集距離 以内で対象文字列（haystack）にマッチした場合に 1 を返します。 この関数は hyperscan ライブラリの実験的機能に依存しており、一部のケースでは低速になる可能性があります。 パフォーマンスは編集距離の値と使用するパターンに依存しますが、常に非ファジーなバリアントよりもコストが高くなります。

注記

multiFuzzyMatch*() 関数群は、hyperscan の制約により UTF-8 の正規表現をサポートしません（UTF-8 文字列としてではなくバイト列として扱われます）。

構文

multiFuzzyMatchAny(haystack, distance, [pattern1, pattern2, ..., patternN])

引数

  • haystack — 検索対象となる文字列。String
  • distance — あいまい検索における最大編集距離。UInt8
  • pattern — オプション。マッチさせるパターンの配列。Array(String)

返り値

指定した編集距離以内でいずれかのパターンが haystack にマッチした場合は 1、それ以外の場合は 0 を返します。UInt8

例

使用例

SELECT multiFuzzyMatchAny('ClickHouse', 2, ['ClickHouse', 'ClckHouse', 'ClickHose']);

┌─multiFuzzyMa⋯lickHose'])─┐
│                        1 │
└──────────────────────────┘

multiFuzzyMatchAnyIndex​

導入: v20.1

multiFuzzyMatchAny と同様ですが、一定の 編集距離 内で検索対象文字列にマッチするいずれかのインデックスを返します。

構文

multiFuzzyMatchAnyIndex(haystack, distance, [pattern1, pattern2, ..., patternn])

引数

  • haystack — 検索対象となる文字列。String
  • distance — あいまい一致における最大編集距離。UInt8
  • pattern — 照合するパターンの配列。Array(String)

戻り値

指定された編集距離以内で haystack に一致するパターンのインデックス（1 起算）を返します。一致がない場合は 0 を返します。UInt64

例

使用例

SELECT multiFuzzyMatchAnyIndex('ClickHouse', 2, ['ClckHouse', 'ClickHose', 'ClickHouse']);

┌─multiFuzzyMa⋯ickHouse'])─┐
│                        2 │
└──────────────────────────┘

multiMatchAllIndices​

導入バージョン: v20.1

multiMatchAny と似ていますが、haystack 内でマッチしたすべてのインデックスを順不同の配列として返します。

構文

multiMatchAllIndices(haystack, [pattern1, pattern2, ..., patternn])

引数

  • haystack — 検索対象となる文字列。String
  • pattern — 照合に使用する正規表現パターン。String

返される値

haystack にマッチしたパターンのインデックス（1 起算）を、順不同ですべて含む配列。マッチが見つからない場合は空配列を返します。Array(UInt64)

例

使用例

SELECT multiMatchAllIndices('ClickHouse', ['[0-9]', 'House', 'Click', 'ouse']);

┌─multiMatchAl⋯', 'ouse'])─┐
│ [3, 2, 4]                │
└──────────────────────────┘

multiMatchAny​

導入バージョン: v20.1

複数の正規表現パターンのうち、少なくとも 1 つが対象文字列（haystack）にマッチするかどうかを判定します。

文字列内で複数の部分文字列を検索したいだけの場合は、代わりに関数 multiSearchAny を使用できます。multiMatchAny よりもはるかに高速に動作します。

構文

multiMatchAny(haystack, pattern1[, pattern2, ...])

引数

  • haystack — パターンを検索する対象の文字列。String
  • pattern1[, pattern2, ...] — 1つ以上の正規表現パターンからなる配列。Array(String)

返される値

いずれかのパターンにマッチした場合は 1、それ以外の場合は 0 を返します。UInt8

例

複数パターンのマッチ

SELECT multiMatchAny('Hello World', ['Hello.*', 'foo.*'])

┌─multiMatchAny('Hello World', ['Hello.*', 'foo.*'])─┐
│                                                  1 │
└────────────────────────────────────────────────────┘

一致するパターンはありません

SELECT multiMatchAny('Hello World', ['goodbye.*', 'foo.*'])

┌─multiMatchAny('Hello World', ['goodbye.*', 'foo.*'])─┐
│                                                    0 │
└──────────────────────────────────────────────────────┘

multiMatchAnyIndex​

導入バージョン: v20.1

multiMatchAny と同様ですが、haystack にマッチしたインデックスのいずれかを返します。

構文

multiMatchAnyIndex(haystack, [pattern1, pattern2, ..., patternn])

引数

  • haystack — 検索を実行する対象の文字列。String
  • pattern — 検索に使用する正規表現。Array(String)

返される値

最初にマッチしたパターンのインデックス（1 起算）を返し、マッチが見つからない場合は 0 を返します。UInt64

例

使用例

SELECT multiMatchAnyIndex('ClickHouse', ['[0-9]', 'House', 'Click']);

┌─multiMatchAn⋯, 'Click'])─┐
│                        3 │
└──────────────────────────┘

multiSearchAllPositions​

導入バージョン: v20.1

position と同様ですが、haystack 文字列内で複数の needle 部分文字列が出現する位置（バイト単位、1 始まり）の配列を返します。

すべての multiSearch*() 関数は、最大 2^8 個の needle のみをサポートします。

構文

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

引数

  • haystack — 検索を行う対象の文字列。String
  • needle1[, needle2, ...] — 検索対象とする 1 つ以上の部分文字列からなる配列。Array(String)

返り値

部分文字列が見つかった場合は、1 から数えたバイト単位の開始位置を、見つからなかった場合は 0 を要素として持つ配列を返します。Array(UInt64)

例

複数 needle の検索

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

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

multiSearchAllPositionsCaseInsensitive​

導入バージョン: v20.1

multiSearchAllPositions と同様ですが、大文字小文字を区別しません。

構文

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

引数

  • haystack — 検索を行う文字列。String
  • needle1[, needle2, ...] — 検索対象となる 1 つ以上の部分文字列からなる配列。Array(String)

戻り値

部分文字列が見つかった場合は、バイト単位で 1 から数えた開始位置を返し、見つからなかった場合は 0 を返します。Array(UInt64)

例

大文字小文字を区別しないマルチ検索

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

┌─multiSearchA⋯['c', 'h'])─┐
│ [1,6]                    │
└──────────────────────────┘

multiSearchAllPositionsCaseInsensitiveUTF8​

導入バージョン: v20.1

multiSearchAllPositionsUTF8 と同様ですが、大文字と小文字を区別しません。

構文

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

引数

  • haystack — 検索を行う対象の UTF-8 エンコードされた文字列。String
  • needle — 検索する UTF-8 エンコードされた部分文字列。Array(String)

返り値

部分文字列が見つかった場合、その開始位置をバイト単位かつ 1 起算で格納した配列。見つからなかった場合は 0 を返します。Array

例

大文字・小文字を区別しない UTF-8 検索

SELECT multiSearchAllPositionsCaseInsensitiveUTF8('Здравствуй, мир!', ['здравствуй', 'МИР']);

┌─multiSearchA⋯й', 'МИР'])─┐
│ [1, 13]                  │
└──────────────────────────┘

multiSearchAllPositionsUTF8​

導入バージョン: v20.1

multiSearchAllPositions と同様ですが、haystack および needle の部分文字列が UTF-8 でエンコードされている文字列であると仮定します。

構文

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

引数

  • haystack — 検索を行う UTF-8 エンコードされた文字列。String
  • needle1[, needle2, ...] — 検索対象となる UTF-8 エンコードされた部分文字列の配列。Array(String)

返される値

見つかった部分文字列について、バイト単位で、1 から数えた開始位置を要素とする配列を返します。部分文字列が見つからなかった場合、その要素は 0 になります。Array

使用例

UTF-8 マルチ検索

SELECT multiSearchAllPositionsUTF8('ClickHouse',['C','H'])

┌─multiSearchAllPositionsUTF8('ClickHouse', ['C', 'H'])─┐
│ [1,6]                                                 │
└───────────────────────────────────────────────────────┘

multiSearchAny​

導入バージョン: v20.1

複数の検索文字列（needle）のうち少なくとも 1 つが、対象文字列（haystack）にマッチするかどうかを判定します。

関数 multiSearchAnyCaseInsensitive、multiSearchAnyUTF8、multiSearchAnyCaseInsensitiveUTF8 は、この関数の大文字小文字を区別しないものや UTF-8 に対応したものなどのバリアントを提供します。

構文

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

引数

  • haystack — 検索を実行する文字列。String
  • needle1[, needle2, ...] — 検索対象とする部分文字列の配列。Array(String)

返される値

少なくとも 1 件一致があれば 1 を返し、一致が 1 件もなければ 0 を返します。UInt8

例

いずれかに一致するかの検索

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

┌─multiSearchAny('ClickHouse', ['C', 'H'])─┐
│                                        1 │
└──────────────────────────────────────────┘

multiSearchAnyCaseInsensitive​

導入バージョン: v20.1

multiSearchAny と同様ですが、大文字と小文字を区別しません。

構文

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

引数

  • haystack — 検索対象の文字列。String
  • needle — 検索する部分文字列の配列。Array(String)

返される値

大文字小文字を区別しない一致が少なくとも 1 件あれば 1 を返し、一致が 1 件もない場合は 0 を返します。UInt8

例

大文字小文字を区別しない検索

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

┌─multiSearchAnyCaseInsensitive('ClickHouse', ['c', 'h'])─┐
│                                                       1 │
└─────────────────────────────────────────────────────────┘

multiSearchAnyCaseInsensitiveUTF8​

導入バージョン: v20.1

multiSearchAnyUTF8 と同様ですが、大文字と小文字を区別しません。

構文

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

引数

  • haystack — 検索を行う UTF-8 文字列。String
  • needle — 検索対象とする UTF-8 の部分文字列。Array(String)

戻り値

少なくとも 1 件でも大文字小文字を区別しない一致があれば 1 を返し、それ以外の場合は 0 を返します。UInt8

例

UTF-8 文字列 'Здравствуйте' に対して、小文字の文字 'з' が含まれているかを確認する

SELECT multiSearchAnyCaseInsensitiveUTF8('Здравствуйте',['з'])

┌─multiSearchA⋯те', ['з'])─┐
│                        1 │
└──────────────────────────┘

multiSearchAnyUTF8​

導入バージョン: v20.1

multiSearchAny と同様ですが、haystack および needle の部分文字列が UTF-8 エンコードされた文字列であることを前提とします。

構文

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

引数

  • haystack — 検索を実行する UTF-8 文字列。String
  • needle — 検索対象の UTF-8 部分文字列の配列。Array(String)

返り値

1 件以上の一致があれば 1 を返し、一致が 1 件もなければ 0 を返します。UInt8

使用例

UTF-8 文字列 '你好，世界'（'Hello, world'）について、文字列中に 你 または 界 の文字が 1 つでも含まれているかを確認する

SELECT multiSearchAnyUTF8('你好，世界', ['你', '界'])

┌─multiSearchA⋯你', '界'])─┐
│                        1 │
└──────────────────────────┘

multiSearchFirstIndex​

導入バージョン: v20.1

複数の needle 文字列を haystack 文字列内で検索し（大文字と小文字を区別）、最初に見つかった needle のインデックス（1 始まり）を返します。

構文

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

引数

  • haystack — 検索対象となる文字列。String
  • needles — 検索する文字列の配列。Array(String)

戻り値

haystack 内で最初に見つかった文字列について、その文字列が needles 配列内で占める 1 から始まるインデックス（位置）を返します。いずれの文字列も見つからない場合は 0 を返します。検索は大文字と小文字を区別します。UInt64

例

使用例

SELECT multiSearchFirstIndex('ClickHouse Database', ['Click', 'Database', 'Server']);

┌─multiSearchF⋯ 'Server'])─┐
│                        1 │
└──────────────────────────┘

大文字小文字を区別する場合の挙動

SELECT multiSearchFirstIndex('ClickHouse Database', ['CLICK', 'Database', 'Server']);

┌─multiSearchF⋯ 'Server'])─┐
│                        2 │
└──────────────────────────┘

一致が見つかりません

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

┌─multiSearchF⋯', 'test'])─┐
│                        0 │
└──────────────────────────┘

multiSearchFirstIndexCaseInsensitive​

導入バージョン: v20.1

文字列 haystack の中で最も左側に見つかった needle_i のインデックス i（1 から開始）を返し、見つからない場合は 0 を返します。 大文字と小文字を区別しません。

構文

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

引数

  • haystack — 検索を行う文字列。String
  • needle — 検索する部分文字列の配列。Array(String)

戻り値

最も左側（先頭側）で見つかった needle のインデックス（1 から始まる）を返します。一致がない場合は 0 を返します。UInt8

例

使用例

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

┌─multiSearchF⋯, 'Hello'])─┐
│                        1 │
└──────────────────────────┘

multiSearchFirstIndexCaseInsensitiveUTF8​

導入バージョン: v20.1

UTF-8 エンコーディングに対応した大文字・小文字を区別しない検索で、haystack 文字列の中から複数の needle 文字列を探し、最初に見つかった needle の 1 から始まるインデックスを返します。

構文

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

引数

  • haystack — 検索対象の文字列。String
  • needles — 検索する文字列の配列。Array(String)

返り値

haystack 内で最初に見つかった needle の、1 始まりのインデックス値（needles 配列内での位置）を返します。どれも見つからない場合は 0 を返します。検索は大文字小文字を区別せず、UTF-8 文字エンコーディングに対応します。UInt64

例

使用例

SELECT multiSearchFirstIndexCaseInsensitiveUTF8('ClickHouse Database', ['CLICK', 'data', 'server']);

┌─multiSearchF⋯ 'server'])─┐
│                        1 │
└──────────────────────────┘

UTF-8 における大文字・小文字の扱い

SELECT multiSearchFirstIndexCaseInsensitiveUTF8('Привет Мир', ['мир', 'ПРИВЕТ']);

┌─multiSearchF⋯ 'ПРИВЕТ'])─┐
│                        1 │
└──────────────────────────┘

一致するものが見つかりません

SELECT multiSearchFirstIndexCaseInsensitiveUTF8('Hello World', ['goodbye', 'test']);

┌─multiSearchF⋯', 'test'])─┐
│                        0 │
└──────────────────────────┘

multiSearchFirstIndexUTF8​

導入バージョン: v20.1

文字列 haystack の中で最も左側で見つかった needle_i のインデックス i（1 から数え始める）を返し、見つからなかった場合は 0 を返します。 haystack と needle は UTF-8 でエンコードされた文字列であると仮定します。

構文

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

引数

  • haystack — 検索が行われる UTF-8 文字列。String
  • needle — 検索対象となる UTF-8 部分文字列の配列。Array(String)

戻り値

最も左側で見つかった needle のインデックス（1 から始まる）を返します。マッチがない場合は 0 を返します。UInt8

例

使用例

SELECT multiSearchFirstIndexUTF8('Здравствуйте мир', ['мир', 'здравствуйте']);

┌─multiSearchF⋯вствуйте'])─┐
│                        1 │
└──────────────────────────┘

multiSearchFirstPosition​

導入バージョン: v20.1

position と同様ですが、複数の needle 文字列のいずれかに一致する haystack 文字列内の、最も左側のオフセットを返します。

関数 multiSearchFirstPositionCaseInsensitive、multiSearchFirstPositionUTF8、multiSearchFirstPositionCaseInsensitiveUTF8 は、この関数の大文字小文字を区別しない版および/または UTF-8 対応版を提供します。

構文

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

引数

  • haystack — 検索を行う文字列。String
  • needle1[, needle2, ...] — 検索対象となる 1 つ以上の部分文字列の配列。Array(String)

返される値

複数の needle 文字列のいずれかに一致する haystack 文字列内の最も左側のオフセットを返します。一致がない場合は 0 を返します。UInt64

例

先頭位置の検索

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

┌─multiSearchFirstPosition('Hello World', ['llo', 'Wor', 'ld'])─┐
│                                                             3 │
└───────────────────────────────────────────────────────────────┘

multiSearchFirstPositionCaseInsensitive​

導入バージョン: v20.1

multiSearchFirstPosition と同様ですが、大文字・小文字を区別しません。

構文

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

引数

  • haystack — 検索対象となる文字列。String
  • needle — 検索する部分文字列の配列。Array(String)

返される値

複数の needle 文字列のいずれかに一致する haystack 文字列内の最も左端のオフセットを返します。一致がない場合は 0 を返します。UInt64

例

大文字小文字を区別しない先頭位置

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

┌─multiSearchFirstPositionCaseInsensitive('HELLO WORLD', ['wor', 'ld', 'ello'])─┐
│                                                                             2 │
└───────────────────────────────────────────────────────────────────────────────┘

multiSearchFirstPositionCaseInsensitiveUTF8​

導入バージョン: v20.1

multiSearchFirstPosition と同様ですが、haystack と needle を UTF-8 文字列として扱い、大文字・小文字を区別しません。

構文

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

引数

  • haystack — 検索を実行する UTF-8 文字列。String
  • needle — 検索対象となる UTF-8 部分文字列の配列。Array(String)

戻り値

大文字小文字を区別せずに複数の needle 文字列のいずれかに一致する、haystack 文字列内の最も左側のオフセットを返します。一致がない場合は 0 を返します。UInt64

例

与えられた needle のいずれかに一致する UTF-8 文字列 'Здравствуй, мир'（'Hello, world'）内の最も左側のオフセットを検索します。

SELECT multiSearchFirstPositionCaseInsensitiveUTF8('Здравствуй, мир', ['МИР', 'вст', 'Здра'])

┌─multiSearchFirstPositionCaseInsensitiveUTF8('Здравствуй, мир', ['мир', 'вст', 'Здра'])─┐
│                                                                                      3 │
└────────────────────────────────────────────────────────────────────────────────────────┘

multiSearchFirstPositionUTF8​

導入バージョン: v20.1

multiSearchFirstPosition と同様ですが、haystack と needle が UTF-8 でエンコードされた文字列であると仮定します。

構文

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

引数

  • haystack — 検索を実行する UTF-8 文字列。String
  • needle — 検索対象となる UTF-8 部分文字列の配列。Array(String)

戻り値

複数の needle 文字列のいずれかに一致する、haystack 文字列内の最も左端のオフセット。一致がない場合は 0 を返します。UInt64

例

与えられたいずれかの needle に一致する、UTF-8 文字列「Здравствуй, мир」（"Hello, world"）内の最も左端のオフセットを検索します

SELECT multiSearchFirstPositionUTF8('Здравствуй, мир',['мир', 'вст', 'авст'])

┌─multiSearchFirstPositionUTF8('Здравствуй, мир', ['мир', 'вст', 'авст'])─┐
│                                                                       3 │
└─────────────────────────────────────────────────────────────────────────┘

ngramDistance​

導入バージョン: v20.1

2 つの文字列間の 4-gram 距離を計算します。 そのために、2 つの 4-gram のマルチセット間の対称差をカウントし、それをそれぞれの基数の合計で正規化します。 返される値が小さいほど、文字列同士がより類似していることを示します。

大文字小文字を区別しない検索や UTF-8 形式での使用には、ngramDistanceCaseInsensitive、ngramDistanceUTF8、ngramDistanceCaseInsensitiveUTF8 関数を使用します。

構文

ngramDistance(haystack, needle)

引数

  • haystack — 比較対象の文字列。String
  • needle — 比較対象の文字列。String

戻り値

0 から 1 の間の Float32 型の数値を返します。返される値が小さいほど、文字列同士の類似度が高くなります。Float32

使用例

4-gram 距離の計算

SELECT ngramDistance('ClickHouse', 'ClickHouses')

┌─ngramDistance('ClickHouse', 'ClickHouses')─┐
│                                        0.1 │
└────────────────────────────────────────────┘

ngramDistanceCaseInsensitive​

導入バージョン: v20.1

ngramDistance の大文字小文字を区別しないバリアントを提供します。 2つの文字列の 4-グラム距離を、大文字小文字を無視して計算します。 返される値が小さいほど、文字列同士の類似度が高くなります。

構文

ngramDistanceCaseInsensitive(haystack, needle)

引数

  • haystack — 1 番目の比較文字列。String
  • needle — 2 番目の比較文字列。String

返り値

0 から 1 の間の Float32 型の数値を返します。Float32

例

大文字小文字を区別しない 4-gram 距離

SELECT ngramDistanceCaseInsensitive('ClickHouse','clickhouse')

┌─ngramDistanceCaseInsensitive('ClickHouse','clickhouse')─┐
│                                                       0 │
└─────────────────────────────────────────────────────────┘

ngramDistanceCaseInsensitiveUTF8​

導入バージョン: v20.1

ngramDistance の大文字小文字を区別しない UTF-8 版を提供します。 needle と haystack の文字列が UTF-8 でエンコードされた文字列であると仮定し、大文字小文字を無視します。 2 つの UTF-8 文字列間の 3-gram 距離を、大文字小文字を無視して計算します。 戻り値が小さいほど、文字列同士の類似度が高くなります。

構文

ngramDistanceCaseInsensitiveUTF8(haystack, needle)

引数

  • haystack — 1 番目の UTF-8 エンコードされた比較用文字列。String
  • needle — 2 番目の UTF-8 エンコードされた比較用文字列。String

返り値

0 から 1 の間の Float32 型の値を返します。Float32

例

大文字と小文字を区別しない UTF-8 3-グラム距離

SELECT ngramDistanceCaseInsensitiveUTF8('abcde','CDE')

┌─ngramDistanceCaseInsensitiveUTF8('abcde','CDE')─┐
│                                             0.5 │
└─────────────────────────────────────────────────┘

ngramDistanceUTF8​

導入バージョン: v20.1

ngramDistance の UTF-8 版を提供します。 needle と haystack の文字列が UTF-8 でエンコードされていることを前提とします。 2 つの UTF-8 文字列間の 3-グラム距離を計算します。 返される値が小さいほど、文字列同士の類似度が高くなります。

構文

ngramDistanceUTF8(haystack, needle)

引数

  • haystack — 1 番目の UTF-8 でエンコードされた比較用文字列。String
  • needle — 2 番目の UTF-8 でエンコードされた比較用文字列。String

返り値

0 から 1 の間の Float32 型の数値を返します。Float32

例

UTF-8 3-グラム距離

SELECT ngramDistanceUTF8('abcde','cde')

┌─ngramDistanceUTF8('abcde','cde')─┐
│                               0.5 │
└───────────────────────────────────┘

ngramSearch​

導入バージョン: v20.1

2 つの文字列間の 4-gram 距離が、指定されたしきい値以下かどうかを判定します。

大文字小文字を区別しない検索や UTF-8 形式での検索を行う場合は、ngramSearchCaseInsensitive、ngramSearchUTF8、ngramSearchCaseInsensitiveUTF8 関数を使用します。

構文

ngramSearch(haystack, needle)

引数

  • haystack — 検索対象となる文字列。String
  • needle — 検索する文字列。String

返される値

文字列間の 4-gram 距離がしきい値（デフォルトでは 1.0）以下の場合は 1、それ以外の場合は 0 を返します。UInt8

使用例

4-gram を使用した検索

SELECT ngramSearch('ClickHouse', 'Click')

┌─ngramSearch('ClickHouse', 'Click')─┐
│                                  1 │
└────────────────────────────────────┘

ngramSearchCaseInsensitive​

導入バージョン: v20.1

ngramSearch の大文字・小文字を区別しないバリアントを提供します。 needle 文字列と haystack 文字列の非対称差を計算します。すなわち、needle の n-gram の個数から共通の n-gram の個数を引いたものを、needle の n-gram の個数で正規化した値です。 2つの文字列の 4-gram 距離が、指定されたしきい値以下かどうかを、大文字・小文字を無視して判定します。

構文

ngramSearchCaseInsensitive(haystack, needle)

引数

  • haystack — 比較対象となる文字列。String
  • needle — 比較対象となる文字列。String

戻り値

文字列間の 4-グラム距離が閾値（デフォルトでは 1.0）以下の場合は 1、それ以外の場合は 0 を返します。UInt8

使用例

4-グラムを使用した大文字小文字を区別しない検索

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

┌─ngramSearchCaseInsensitive('Hello World','hello')─┐
│                                                  1 │
└────────────────────────────────────────────────────┘

ngramSearchCaseInsensitiveUTF8​

導入バージョン: v20.1

ngramSearch の大文字・小文字を区別しない UTF-8 版を提供します。 haystack と needle が UTF-8 文字列であると仮定し、大文字・小文字を無視します。 2 つの UTF-8 文字列間の 3-gram 距離が、指定されたしきい値以下かどうかを、大文字・小文字を無視して判定します。

構文

ngramSearchCaseInsensitiveUTF8(haystack, needle)

引数

  • haystack — 比較に使用する UTF-8 文字列。String
  • needle — 比較に使用する UTF-8 文字列。String

戻り値

文字列間の 3-gram 距離がしきい値（デフォルトは 1.0）以下の場合は 1、それ以外の場合は 0 を返します。UInt8

例

3-gram を用いた大文字小文字を区別しない UTF-8 検索

SELECT ngramSearchCaseInsensitiveUTF8('абвГДЕёжз', 'АбвгдЕЁжз')

┌─ngramSearchCaseInsensitiveUTF8('абвГДЕёжз', 'АбвгдЕЁжз')─┐
│                                                        1 │
└──────────────────────────────────────────────────────────┘

ngramSearchUTF8​

導入バージョン: v20.1

ngramSearch の UTF-8 版です。 haystack と needle が UTF-8 文字列であることを前提とします。 2 つの UTF-8 文字列間の 3-gram 距離が、指定されたしきい値以下かどうかをチェックします。

構文

ngramSearchUTF8(haystack, needle)

引数

  • haystack — 比較対象の UTF-8 文字列。String
  • needle — 比較対象の UTF-8 文字列。String

戻り値

文字列間の 3-gram 距離が閾値（デフォルトでは 1.0）以下の場合は 1 を、それ以外の場合は 0 を返します。UInt8

例

3-gram を用いた UTF-8 検索

SELECT ngramSearchUTF8('абвгдеёжз', 'гдеёзд')

┌─ngramSearchUTF8('абвгдеёжз', 'гдеёзд')─┐
│                                      1 │
└────────────────────────────────────────┘

notILike​

導入バージョン: v20.6

文字列がパターンに一致しないかどうかを、大文字小文字を区別せずにチェックします。パターンには、SQL の LIKE マッチング用の特殊文字 % と _ を含めることができます。

構文

notILike(haystack, pattern)

引数

  • haystack — 検索対象となる入力文字列。String または FixedString
  • pattern — SQL の LIKE 演算子で使用するパターン。% は任意の長さの文字列（長さ 0 を含む）にマッチし、_ は任意の 1 文字にマッチします。String

返り値

文字列がパターンにマッチしない場合は 1 を返し（大文字小文字を区別せずに比較）、それ以外の場合は 0 を返します。UInt8

例

使用例

SELECT notILike('ClickHouse', '%house%');

┌─notILike('Cl⋯ '%house%')─┐
│                        0 │
└──────────────────────────┘

notLike​

導入バージョン: v1.1

like と同様ですが、結果を否定します。

構文

notLike(haystack, pattern)
-- haystack NOT LIKE pattern

引数

  • haystack — 検索を実行する検索対象の文字列。String または FixedString
  • pattern — 照合に使用する LIKE パターン。String

返される値

文字列が LIKE パターンに一致しない場合は 1、一致する場合は 0 を返します。UInt8

例

使用例

SELECT notLike('ClickHouse', '%House%');

┌─notLike('Cli⋯ '%House%')─┐
│                        0 │
└──────────────────────────┘

マッチしないパターン

SELECT notLike('ClickHouse', '%SQL%');

┌─notLike('Cli⋯', '%SQL%')─┐
│                        1 │
└──────────────────────────┘

position​

導入バージョン: v1.1

文字列 haystack 内で、部分文字列 needle が出現する位置（バイト単位、1 始まり）を返します。

部分文字列 needle が空文字の場合、次のルールが適用されます:

  • start_pos が指定されていない場合: 1 を返す
  • start_pos = 0 の場合: 1 を返す
  • start_pos >= 1 かつ start_pos <= length(haystack) + 1 の場合: start_pos を返す
  • それ以外の場合: 0 を返す

同じルールは、関数 locate、positionCaseInsensitive、positionUTF8、positionCaseInsensitiveUTF8 にも適用されます。

構文

position(haystack, needle[, start_pos])

引数

  • haystack — 検索を実行する文字列。String または Enum
  • needle — 検索対象の部分文字列。String
  • start_pos — 検索を開始する haystack 内の位置 (1 起算)。省略可能。UInt

戻り値

部分文字列が見つかった場合は、バイト単位の開始位置 (1 起算) を返し、見つからなかった場合は 0 を返します。UInt64

使用例

基本的な使い方

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

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

start_pos 引数を指定する場合

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

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

「Needle IN haystack」構文

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

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

空の検索文字列

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

┌─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 │
└─────────────────────┴────────────────────────┴────────────────────────┴────────────────────────┴────────────────────────┴────────────────────────┴────────────────────────┘

positionCaseInsensitive​

導入バージョン: v1.1

position と同様ですが、大文字と小文字を区別しません。

構文

positionCaseInsensitive(haystack, needle[, start_pos])

別名: instr

引数

  • haystack — 検索対象の文字列。 String または Enum
  • needle — 検索する部分文字列。 String
  • start_pos — 省略可。検索を開始する haystack 内の位置（1始まり）。 UInt*

返される値

部分文字列が見つかった場合は、その開始位置をバイト単位で 1 から数えて返し、見つからなかった場合は 0 を返します。 UInt64

例

大文字小文字を区別しない検索

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

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

positionCaseInsensitiveUTF8​

導入バージョン: v1.1

positionUTF8 と同様ですが、大文字と小文字を区別せずに検索します。

構文

positionCaseInsensitiveUTF8(haystack, needle[, start_pos])

引数

  • haystack — 検索対象の文字列。String または Enum
  • needle — 検索する部分文字列。String
  • start_pos — 省略可。検索を開始する haystack 内の位置（1始まり）。UInt*

戻り値

部分文字列が見つかった場合は、1 起算のバイト単位での開始位置を返し、見つからなかった場合は 0 を返します。UInt64

例

大文字小文字を区別しない UTF-8 検索

SELECT positionCaseInsensitiveUTF8('Привет мир', 'МИР')

┌─positionCaseInsensitiveUTF8('Привет мир', 'МИР')─┐
│                                                8 │
└──────────────────────────────────────────────────┘

positionUTF8​

導入バージョン: v1.1

position と同様ですが、haystack と needle が UTF-8 エンコードされた文字列であることを想定します。

構文

positionUTF8(haystack, needle[, start_pos])

引数

  • haystack — 検索を実行する文字列。String または Enum
  • needle — 検索対象の部分文字列。String
  • start_pos — 省略可能。検索を開始する haystack 内の位置（1 始まり）。UInt*

返り値

部分文字列が見つかった場合は、その開始位置をバイト単位で 1 から数えた値として返し、見つからなかった場合は 0 を返します。UInt64

例

UTF-8 文字数のカウント

SELECT positionUTF8('Motörhead', 'r')

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