跳到主要内容
跳到主要内容

字符串拆分函数

splitByChar

将字符串拆分为由指定字符分隔的子字符串。使用一个常量字符串 separator,该字符串由恰好一个字符组成。 返回所选子字符串的数组。如果分隔符在字符串的开头或结尾出现,或者有多个连续的分隔符,可能会选择空子字符串。

语法

参数

  • separator — 分隔符必须为单字节字符。 String
  • s — 要拆分的字符串。 String
  • max_substrings — 一个可选的 Int64,默认值为 0。如果 max_substrings > 0,则返回的数组最多包含 max_substrings 个子字符串,否则函数将返回尽可能多的子字符串。

返回值

当以下情况发生时可能会选择空子字符串:

  • 分隔符出现在字符串的开头或结尾;
  • 存在多个连续的分隔符;
  • 原始字符串 s 为空。
备注

参数 max_substrings 的行为在 ClickHouse v22.11 之后发生了变化。在较早的版本中,max_substrings > 0 意味着执行了 max_substring 次拆分,并且返回字符串的其余部分作为列表的最后一个元素。 例如,

  • 在 v22.10 中:SELECT splitByChar('=', 'a=b=c=d', 2); 返回 ['a','b','c=d']
  • 在 v22.11 中:SELECT splitByChar('=', 'a=b=c=d', 2); 返回 ['a','b']

通过设置 splitby_max_substrings_includes_remaining_string 可以实现与 ClickHouse 预 v22.11 相似的行为。 SELECT splitByChar('=', 'a=b=c=d', 2) SETTINGS splitby_max_substrings_includes_remaining_string = 1 -- ['a', 'b=c=d']

示例

结果:

splitByString

将字符串拆分为由字符串分隔的子字符串。它使用一个由多个字符组成的常量字符串 separator 作为分隔符。如果 separator 字符串为空,则将字符串 s 拆分为单个字符的数组。

语法

参数

  • separator — 分隔符。 String
  • s — 要拆分的字符串。 String
  • max_substrings — 一个可选的 Int64,默认值为 0。当 max_substrings > 0 时,返回的子字符串不会超过 max_substrings,否则函数将返回尽可能多的子字符串。

返回值

空子字符串可能在以下情况下被选择:

  • 非空分隔符出现在字符串的开头或结尾;
  • 存在多个连续的非空分隔符;
  • 原始字符串 s 为空,而分隔符不是空的。
备注

设置 splitby_max_substrings_includes_remaining_string (默认值:0) 控制 当参数 max_substrings > 0 时,是否将剩余字符串包含在结果数组的最后一个元素中。

示例

结果:

结果:

splitByRegexp

将字符串拆分为由正则表达式分隔的子字符串。它使用正则表达式字符串 regexp 作为分隔符。如果 regexp 为空,它将把字符串 s 拆分为单字符数组。如果没有找到与此正则表达式匹配的结果,则字符串 s 将不会被拆分。

语法

参数

  • regexp — 正则表达式。常量。 StringFixedString
  • s — 要拆分的字符串。 String
  • max_substrings — 一个可选的 Int64,默认值为 0。当 max_substrings > 0 时,返回的子字符串不会超过 max_substrings,否则函数将返回尽可能多的子字符串。

返回值

空子字符串可能在以下情况下被选择:

  • 非空正则表达式匹配出现在字符串的开头或结尾;
  • 存在多个连续的非空正则表达式匹配;
  • 原始字符串 s 为空,而正则表达式不是空的。
备注

设置 splitby_max_substrings_includes_remaining_string (默认值:0) 控制 当参数 max_substrings > 0 时,是否将剩余字符串包含在结果数组的最后一个元素中。

示例

结果:

结果:

splitByWhitespace

将字符串拆分为由空白字符分隔的子字符串。 返回所选子字符串的数组。

语法

参数

  • s — 要拆分的字符串。 String
  • max_substrings — 一个可选的 Int64,默认值为 0。当 max_substrings > 0 时,返回的子字符串不会超过 max_substrings,否则函数将返回尽可能多的子字符串。

返回值

备注

设置 splitby_max_substrings_includes_remaining_string (默认值:0) 控制 当参数 max_substrings > 0 时,是否将剩余字符串包含在结果数组的最后一个元素中。

示例

结果:

splitByNonAlpha

将字符串拆分为由空白和标点字符分隔的子字符串。 返回所选子字符串的数组。

语法

参数

  • s — 要拆分的字符串。 String
  • max_substrings — 一个可选的 Int64,默认值为 0。当 max_substrings > 0 时,返回的子字符串不会超过 max_substrings,否则函数将返回尽可能多的子字符串。

返回值

备注

设置 splitby_max_substrings_includes_remaining_string (默认值:0) 控制 当参数 max_substrings > 0 时,是否将剩余字符串包含在结果数组的最后一个元素中。

示例

arrayStringConcat

连接数组中列出值的字符串表示,并使用分隔符。 separator 是一个可选参数:常量字符串,默认值为空字符串。 返回字符串。

语法

示例

结果:

alphaTokens

选择来自范围 a-z 和 A-Z 的连续字节的子字符串。返回子字符串的数组。

语法

别名:splitByAlpha

参数

  • s — 要拆分的字符串。 String
  • max_substrings — 一个可选的 Int64,默认值为 0。当 max_substrings > 0 时,返回的子字符串不会超过 max_substrings,否则函数将返回尽可能多的子字符串。

返回值

备注

设置 splitby_max_substrings_includes_remaining_string (默认值:0) 控制 当参数 max_substrings > 0 时,是否将剩余字符串包含在结果数组的最后一个元素中。

示例

extractAllGroups

从正则表达式匹配的不重叠子字符串中提取所有组。

语法

参数

返回值

  • 如果函数找到至少一个匹配组,则返回 Array(Array(String)) 列,按 group_id 进行分组(1 到 N,其中 N 是 regexp 中捕获组的数量)。如果没有匹配的组,则返回空数组。 Array

示例

结果:

ngrams

Deprecated feature

将 UTF-8 字符串拆分为 ngramsize 符号的 n-grams。 此函数已被弃用。建议使用 tokensngram 词法分析器。 该函数可能在未来某个时候被删除。

语法

参数

返回值

示例

结果:

tokens

使用给定的词法分析器将字符串拆分为标记。 默认的词法分析器使用非字母数字 ASCII 字符作为分隔符。

参数

  • value — 输入字符串。 StringFixedString
  • tokenizer — 要使用的词法分析器。有效的参数为 defaultngramnoop。可选,如果未显式设置,默认值为 defaultconst String
  • ngrams — 仅在参数 tokenizerngram 时相关:一个可选参数,定义 ngrams 的长度。如果未显式设置,默认值为 3UInt8

返回值

  • 从输入字符串中得到的标记数组。 Array

示例

使用默认设置:

结果:

使用 ngram 词法分析器,ngram 长度为 3:

结果: