oracle replace去除字符串最后一个逗号_HIVE字符串处理技巧【总结】

==*定期更新,获取更多,欢迎[star](AlexanLee/ads-papers)。另外欢迎关注[计算广告实验](AlexanLee/ads-ailab),我会总结一些实现。*==

---

一、准备

创建虚表：

echo "X" >> dual.tsv
hadoop fs -put dual.tsv '/data/*/'
create table dual(dummy string);
load data local inpath '/data/*/dual.tsv' overwrite into table dual;

---

二、应用

1. 字符串长度函数：length

语法: length(string A)

返回值: int

说明：返回字符串A的长度

hive> select length('abced') from dual;
          5

2. 字符串反转函数：reverse

语法: reverse(string A)

返回值: string

说明：返回字符串A的反转结果

hive> select reverse('abcedfg') from dual;
        gfdecba

3. 字符串连接函数：concat

语法: concat(string A, string B…)

返回值: string

说明：返回输入字符串连接后的结果，支持任意个输入字符串

hive> select concat('abc','def') from dual;
        abcdef

4. 带分隔符字符串连接函数：concat_ws

语法: concat_ws(string SEP, string A, string B…)

返回值: string

说明：返回输入字符串连接后的结果，SEP表示各个字符串间的分隔符

hive> select concat_ws(',','abc','def','gh') from dual;
        abc,def,gh

5. 字符串截取函数：substr,substring

语法: substr(string A, int start),substring(string A, int start)

返回值: string

说明：返回字符串A从start位置到结尾的字符串

hive> select substr('abcde',3) from dual;
        cde
hive> select substring('abcde',3) from dual;
        cde
hive>  select substr('abcde',-1) from dual; 
        e

6. 字符串截取函数：substr,substring

语法: substr(string A, int start, int len),substring(string A, int start, int len)

返回值: string

说明：返回字符串A从start位置开始，长度为len的字符串

hive> select substr('abcde',3,2) from dual;
        cd
hive> select substring('abcde',3,2) from dual;
        cd
hive>select substring('abcde',-2,2) from dual;
        de

7. 字符串转大写函数：upper,ucase

语法: upper(string A) ucase(string A)

返回值: string

说明：返回字符串A的大写格式

hive> select upper('abCd') from dual;
    ABCD
hive> select ucase('abCd') from dual;
    ABCD

8. 字符串转小写函数：lower,lcase

语法: lower(string A) lcase(string A)

返回值: string

说明：返回字符串A的小写格式

hive> select lower('abCd') from dual;
        abcd
hive> select lcase('abCd') from dual;
        abcd

9. 去空格函数：trim

语法: trim(string A)

返回值: string

说明：去除字符串两边的空格

hive> select trim(' abc ') from dual;
        abc

10. 左边去空格函数：ltrim

语法: ltrim(string A)

返回值: string

说明：去除字符串左边的空格

hive> select ltrim(' abc ') from dual;
        abc

11. 右边去空格函数：rtrim

语法: rtrim(string A)

返回值: string

说明：去除字符串右边的空格

hive> select rtrim(' abc ') from dual;
        abc

12. 正则表达式替换函数：regexp_replace

语法: regexp_replace(string A, string B, string C)

返回值: string

说明：将字符串A中的符合java正则表达式B的部分替换为C。注意，在有些情况下要使用转义字符,类似oracle中的regexp_replace函数。

hive> select regexp_replace('foobar', 'oo|ar', '') from dual;
        fb

13. 正则表达式解析函数：regexp_extract

语法: regexp_extract(string subject, string pattern, int index)

返回值: string

说明：将字符串subject按照pattern正则表达式的规则拆分，返回index指定的字符。

第三个参数:

0 是显示与之匹配的整个字符串

1 是显示第一个括号里面的

2 是显示第二个括号里面的字段

hive> select regexp_extract('foothebar', 'foo(.*?)(bar)', 1) from dual;
          the
hive> select regexp_extract('foothebar', 'foo(.*?)(bar)', 2) from dual;
         bar
hive> select regexp_extract('foothebar', 'foo(.*?)(bar)', 0) from dual;
        foothebar
hive> select regexp_extract('中国abc123!','[u4e00-u9fa5]+',0) from dual; //实用：只匹配中文
hive> select regexp_replace('中国abc123','[u4e00-u9fa5]+','') from dual; //实用：去掉中文

注意，在有些情况下要使用转义字符，等号要用双竖线转义，这是java正则表达式的规则。

14. URL解析函数：parse_url

语法: parse_url(string urlString, string partToExtract [, string keyToExtract])

返回值: string

说明：返回URL中指定的部分。partToExtract的有效值为：HOST, PATH, QUERY, REF, PROTOCOL, AUTHORITY, FILE, and USERINFO.

hive> select parse_url('http://facebook.com/path1/p.php?k1=v1&k2=v2#Ref1', 'HOST') from dual;
        facebook.com
hive> select parse_url('http://facebook.com/path1/p.php?k1=v1&k2=v2#Ref1', 'QUERY', 'k1') from dual;
        v1

15. json解析函数：get_json_object

语法: get_json_object(string json_string, string path)

返回值: string

说明：解析json的字符串json_string,返回path指定的内容。如果输入的json字符串无效，那么返回NULL。

hive>select  get_json_object('{"nation":"china"}','$.nation') from dual;
china

16. 空格字符串函数：space

语法: space(int n)

返回值: string

说明：返回长度为n的空字符串

hive> select space(10) from dual;
hive> select length(space(10)) from dual;
        10

17. 重复字符串函数：repeat

语法: repeat(string str, int n)

返回值: string

说明：返回重复n次后的str字符串

hive> select repeat('abc',5) from dual;
        abcabcabcabcabc

18. 首字符ascii函数：ascii

语法: ascii(string str)

返回值: int

说明：返回字符串str第一个字符的ascii码

hive> select ascii('abcde') from dual;
        97

19. 左补足函数：lpad（常用来不足长度不足的字符串，然后进行截取）

语法: lpad(string str, int len, string pad)

返回值: string

说明：将str进行用pad进行左补足到len位

hive> select lpad('abc',10,'td') from dual;
tdtdtdtabc

注意：与GP，ORACLE不同，pad 不能默认

20. 右补足函数：rpad

语法: rpad(string str, int len, string pad)

返回值: string

说明：将str进行用pad进行右补足到len位

hive> select rpad('abc',10,'td') from dual;
        abctdtdtdt

21. 分割字符串函数: split，跟底层MR中的split方法功能一样。

语法: split(string str, string pat)

返回值: array

说明: 按照pat字符串分割str，会返回分割后的字符串数组

hive> select split('abtcdtef','t') from dual;
        ["ab","cd","ef"]

22. 集合查找函数: find_in_set

语法: find_in_set(string str, string strList)

返回值: int

说明: 返回str在strlist第一次出现的位置，strlist是用逗号分割的字符串。如果没有找该str字符，则返回0

hive> select find_in_set('ab','ef,ab,de') from dual;
        2
hive> select find_in_set('at','ef,ab,de') from dual;
        0

23、在一个字符串中搜索指定的字符,返回发现指定的字符的位置: INSTR(string C1,string C2,int I,int J)

返回:int。substr在str中第一次出现的位置，若任何参数为null返回null，若substr不在str中返回0，Str中第一个字符的位置为1

说明：C1 被搜索的字符串

C2 希望搜索的字符串

I 搜索的开始位置,默认为1

J 出现的位置,默认为1

hive> select instr("abcde",'b') from dual;
2

24、使用两个分隔符将文本拆分为键值对：str_to_map(text[, delimiter1, delimiter2])

返回：map

Delimiter1将文本分成K-V对，Delimiter2分割每个K-V对。对于delimiter1默认分隔符是','，对于delimiter2默认分隔符是'='

hive> select str_to_map('aaa:123&bbb:456', '&', ':') from dual;
{"bbb":"456","aaa":"123"}

25、unix_timestamp() 返回当前时间戳。另外，current_timestamp() 也有同样作用。

unix_timestamp(string date) 返回 date 对应的时间戳，date 格式必须为 yyyy-MM-dd HH:mm:ss。

unix_timestamp(string date, string format) 返回 date 对应的时间戳，date 格式由 format 指定。

hive> select unix_timestamp();
1568552090
hive> select unix_timestamp('2020-01-01 01:01:01');
1577811661
hive> select unix_timestamp('2020-01-01','yyyy-MM-dd');
1577808000

26、from_unixtime(int/bigint timestamp) 返回 timestamp 时间戳对应的日期，格式为 yyyy-MM-dd HH:mm:ss。

from_unixtime(int/bigint timestamp, string format) 返回 timestamp 时间戳对应的日期，格式由 format 指定。

hive> select from_unixtime(1577811661);
2020-01-01 01:01:01
hive> select from_unixtime(1577811661,'yyyy/MM/dd HH');
2020/01/01 01