ODPS字符串函数

最新推荐文章于 2024-09-08 18:24:10 发布

茶坊小憩

最新推荐文章于 2024-09-08 18:24:10 发布

阅读量7.7k

点赞数

分类专栏： ODPSsql

本文链接：https://blog.csdn.net/u010392022/article/details/100120269

版权

ODPSsql 专栏收录该内容

6 篇文章 0 订阅

订阅专栏

CHAR_MATCHCOUNT

命令格式

bigint char_matchcount(string str1, string str2)

命令说明
该函数用于计算str1中有多少个字符出现在str2中。
参数说明
str1、str2：STRING类型，必须为有效的UTF-8字符串。如果对比中发现有无效字符，则函数返回负值。
返回值说明
返回BIGINT类型。如果任一输入参数为NULL，则返回NULL。

示例

char_matchcount('abd','aabc') = 2
-- str1中得两个字符串'a','b'在str2中出现过。

CONCAT

命令格式
```
string concat(string a, string b...)
```
命令说明
该函数的返回值是将参数中的所有字符串连接在一起的结果。
参数说明
输入参数为STRING类型。如果输入参数为BIGINT、DOUBLE、DECIMAL或者DATETIME类型，则会隐式转换为STRING后参与运算，其它类型抛异常。
返回值类型
返回STRING类型。如果没有参数或者任一参数为NULL，则返回NULL。

示例

concat('ab','c') = 'abc'
concat() = NULL
concat('a', null, 'b') = NULL

GET_JSON_OBJECT

命令格式

STRING GET_JSON_OBJECT(STRING json,STRING path)

命令说明
该函数用于在一个标准JSON字符串中，按照path抽取指定的字符串。每次调用该函数时，都会读一次原始数据，因此反复调用可能会造成性能和费用的浪费。利用GET_JSON_OBJECT结合UDTF，您可以轻松转换JSON格式日志数据，避免多次调用函数，详情请参见利用MaxCompute内建函数及UDTF转换JSON格式日志数据。
参数说明
- json：STRING类型，标准的json格式字符串。
- path：STRING类型，用于描述在json中的path，以$开头。关于path的说明，请参见LanguageManual UDF。
  - $：表示根节点。
  - .：表示子节点。
  - []：[number]表示数组下标，数组的格式为key[sub1][sub2][sub3]……。
  - *：Wildcard for []，返回整个数组。*不支持转义。
返回值说明
- 如果json为空或者非法的json格式，则返回NULL。
- 如果json合法，path也存在，则返回对应字符串。
- 当前不支持一个Object中出现两次相同的Key，例如{a:1, a:0}，否则可能造成无法解析。
- 当前不支持Emoji表情字符串。

示例一

+----+
json
+----+
{"store":
{"fruit":[{"weight":8,"type":"apple"},{"weight":9,"type":"pear"}],
"bicycle":{"price":19.95,"color":"red"}
},
"email":"amy@only_for_json_udf_test.net",
"owner":"amy"
}

通过以下查询，可以提取json对象中的信息。

odps> SELECT get_json_object(src_json.json, '$.owner') FROM src_json;
amy
odps> SELECT get_json_object(src_json.json, '$.store.fruit\[0]') FROM src_json;
{"weight":8,"type":"apple"}
odps> SELECT get_json_object(src_json.json, '$.non_exist_key') FROM src_json;
NULL

示例二

get_json_object('{"array":[["aaaa",1111],["bbbb",2222],["cccc",3333]]}','$.array[1][1]')= "2222"
get_json_object('{"aaa":"bbb","ccc":{"ddd":"eee","fff":"ggg","hhh":["h0","h1","h2"]},"iii":"jjj"}','$.ccc.hhh[*]') = "["h0","h1","h2"]"
get_json_object('{"aaa":"bbb","ccc":{"ddd":"eee","fff":"ggg","hhh":["h0","h1","h2"]},"iii":"jjj"}','$.ccc.hhh[1]') = "h1"

INSTR

命令格式

bigint instr(string str1, string str2[, bigint start_position[, bigint nth_appearance]])

命令说明
该函数用于计算子串str2在字符串str1中的位置。
参数说明
- str1：STRING类型，要搜索的字符串。如果输入为BIGINT、DOUBLE、DECIMAL或者DATETIME类型，则会隐式转换为STRING后参与运算，其它类型抛异常。
- str2：STRING类型，要搜索的子串。如果输入为BIGINT、DOUBLE、DECIMAL或者DATETIME类型，则会隐式转换为STRING后参与运算，其它类型抛异常。
- start_position：BIGINT类型，其它类型抛异常。表示从str1的第几个字符开始搜索，默认起始位置是第一个字符位置1。
- nth_appearance：BIGINT类型，大于0。表示子串在字符串中的第nth_appearance次匹配的位置。如果nth_appearance为其它类型或小于等于0，则抛异常。
返回值说明
- 返回BIGINT类型。
- 如果在str1中未找到str2，则返回0。
- 如果任一输入参数为NULL，则返回NULL。
- 如果str2为空串，则总能匹配成功，例如instr(‘abc’, ‘’)会返回 1。

示例

instr('Tech on the net', 'e') = 2
instr('Tech on the net', 'e', 1, 1) = 2
instr('Tech on the net', 'e', 1, 2) = 11
instr('Tech on the net', 'e', 1, 3) = 14

IS_ENCODING

命令格式

boolean is_encoding(string str, string from_encoding, string to_encoding)

命令说明
用于判断输入字符串str是否可以从指定的一个字符集from_encoding转为另一个字符集to_encoding。可用于判断输入是否为乱码，通常的用法是将from_encoding设为UTF-8，to_encoding设为GBK。
参数说明
- str：STRING类型，空字符串可以被认为属于任何字符集。
- from_encoding、to_encoding：STRING类型，源及目标字符集。
- 如果任一输入参数为NULL，则返回NULL。
返回值说明
返回BOOLEAN类型。如果str能够成功转换，则返回True，否则返回False。

示例

is_encoding('测试', 'utf-8', 'gbk') = true
is_encoding('測試', 'utf-8', 'gbk') = true
-- gbk字库中有这两个繁体字。
is_encoding('測試', 'utf-8', 'gb2312') = false
-- gb2312库中不包括这两个字。