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。
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。
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。 String 或 FixedString。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。
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
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
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
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
text
— String 或 FixedString。regexp
— 正则表达式。常量。 String 或 FixedString。
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
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 tokens 和 ngram
词法分析器。
该函数可能在未来某个时候被删除。
语法
参数
string
— 字符串。 String 或 FixedString。ngramsize
— n-gram 的大小。 UInt。
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。 String 或 FixedString。tokenizer
— 要使用的词法分析器。有效的参数为default
、ngram
和noop
。可选,如果未显式设置,默认值为default
。 const Stringngrams
— 仅在参数tokenizer
是ngram
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3
。 UInt8。
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: