Hive常用字串函式
Hive內部提供了很多操作字串的相關函式，本文將對其中部分常用的函式進行介紹。
下表為Hive內建的字串函式，具體的用法可以參見本文的下半部分。
| 返回型別 | 函式名 | 描述 |
|---|---|---|
| int | ascii(string str) | 返回str第一個字串的數值 |
| string | base64(binary bin) | 將二進位制引數轉換為base64字串 |
| string | concat(string|binary A, string|binary B...) | 返回將A和B按順序連線在一起的字串，如：concat('foo', 'bar') 返回'foobar' |
| array<struct<string,double>> | context_ngrams(array<array<string>>, array<string>, int K, int pf) | 從一組標記化的句子中返回前k個文字 |
| string | concat_ws(string SEP, string A, string B...) | 類似concat() ，但使用自定義的分隔符SEP |
| string | concat_ws(string SEP, array<string>) | 類似concat_ws() ，但引數為字串陣列 |
| string | decode(binary bin, string charset) | 使用指定的字符集將第一個引數解碼為字串，如果任何一個引數為null，返回null。可選字符集為： 'US_ASCII', 'ISO-8859-1', 'UTF-8', 'UTF-16BE', 'UTF-16LE', 'UTF-16' |
| binary | encode(string src, string charset) | 使用指定的字符集將第一個引數編碼為binary ，如果任一引數為null，返回null |
| int | find_in_set(string str, string strList) | 返回str在strList中第一次出現的位置，strList為用逗號分隔的字串，如果str包含逗號則返回0，若任何引數為null，返回null。如： find_in_set('ab', 'abc,b,ab,c,def') 返回3 |
| string | format_number(number x, int d) | 將數字x格式化為'#,###,###.##'，四捨五入為d位小數位，將結果做為字串返回。如果d=0，結果不包含小數點或小數部分 |
| string | get_json_object(string json_string, string path) | 從基於json path的json字串中提取json物件，返回json物件的json字串，如果輸入的json字串無效返回null。Json 路徑只能有數字、字母和下劃線，不允許大寫和其它特殊字元 |
| boolean | in_file(string str, string filename) | 如果str在filename中以正行的方式出現，返回true |
| int | instr(string str, string substr) | 返回substr在str中第一次出現的位置。若任何引數為null返回null，若substr不在str中返回0。Str中第一個字元的位置為1 |
| int | length(string A) | 返回A的長度 |
| int | locate(string substr, string str[, int pos]) | 返回substr在str的位置pos後第一次出現的位置 |
| string | lower(string A) lcase(string A) | 返回字串的小寫形式 |
| string | lpad(string str, int len, string pad) | 將str左側用字串pad填充，長度為len |
| string | ltrim(string A) | 去掉字串A左側的空格，如：ltrim(' foobar ')的結果為'foobar ' |
| array<struct<string,double>> | ngrams(array<array<string>>, int N, int K, int pf) | 從一組標記化的Returns the top-k 句子中返回前K個N-grams |
| string | parse_url(string urlString, string partToExtract [, string keyToExtract]) | 返回給定URL的指定部分，partToExtract的有效值包括HOST，PATH， QUERY， REF， PROTOCOL， AUTHORITY，FILE和USERINFO。例如： parse_url('http://facebook.com/path1/p.php?k1=v1&k2=v2#Ref1', 'HOST') 返回 'facebook.com'.。當第二個引數為QUERY時，可以使用第三個引數提取特定引數的值，例如： parse_url('http://facebook.com/path1/p.php?k1=v1&k2=v2#Ref1', 'QUERY', 'k1') 返回'v1' |
| string | printf(String format, Obj... args) | 將輸入引數進行格式化輸出 |
| string | regexp_extract(string subject, string pattern, int index) | 使用pattern從給定字串中提取字串。如： regexp_extract('foothebar', 'foo(.*?)(bar)', 2) 返回'bar' 有時需要使用預定義的字元類：使用'\s' 做為第二個引數將匹配s，'s'匹配空格等。引數index是Java正則匹配器方法group()方法中的索引 |
| string | regexp_replace(string INITIAL_STRING, string PATTERN, string REPLACEMENT) | 使用REPLACEMENT替換字串INITIAL_STRING中匹配PATTERN的子串，例如： regexp_replace("foobar", "oo|ar", "") 返回'fb' |
| string | repeat(string str, int n) | 將str重複n次 |
| string | reverse(string A) | 將字串A翻轉 |
| string | rpad(string str, int len, string pad) | 在str的右側使用pad填充至長度len |
| string | rtrim(string A) | 去掉字串A右側的空格，如： rtrim(' foobar ') 返回 ' foobar' |
| array<array<string>> | sentences(string str, string lang, string locale) | 將自然語言文字處理為單詞和句子，每個句子在適當的邊界分割，返回單詞的陣列。引數lang和local為可選引數，例如： sentences('Hello there! How are you?') 返回( ("Hello", "there"), ("How", "are", "you") ) |
| string | space(int n) | 返回n個空格的字串 |
| array | split(string str, string pat) | 用pat分割字串str，pat為正則表示式 |
| map<string,string> | str_to_map(text[, delimiter1, delimiter2]) | 使用兩個分隔符將文字分割為鍵值對。第一個分隔符將文字分割為K-V 對，第二個分隔符分隔每個K-V 對。預設第一個分隔符為“，“，第二個分隔符為= |
| string | substr(string|binary A, int start) substring(string|binary A, int start) | 返回A從位置start直到結尾的子串 |
| string | substr(string|binary A, int start, int len) substring(string|binary A, int start, int len) | 返回A中從位置start開始，長度為len的子串，如： substr('foobar', 4, 1) 返回 'b' |
| string | translate(string input, string from, string to) | 將input中出現在from中的字元替換為to中的字串，如果任何引數為null，結果為null |
| string | trim(string A) | 去掉字串A兩端的空格 |
| binary | unbase64(string str) | 將base64字串轉換為二進位制 |
| string | upper(string A) ucase(string A) | 返回字串A的大寫形式 |
1.、字串長度計算函式：length
語法: length(string A)， 返回值: int 說明：返回字串A的長度 例子：
|
|
2.、字串反轉函式：reverse
語法: reverse(string A) 返回值: string 說明：返回字串A的反轉結果 例子：
|
|
3.、字串連線函式：concat
語法: concat(string A, string B…) 返回值: string 說明：返回輸入字串連線後的結果，支援任意個輸入字串 例子：
|
|
4、帶分隔符字串連線函式：concat_ws
語法: concat_ws(string SEP, string A, string B…) 返回值: string 說明：返回輸入字串連線後的結果，SEP表示各個字串間的分隔符 例子：
|
|
5、字串擷取函式：substr,substring
語法: substr(string A, int start),substring(string A, int start) 返回值: string 說明：返回字串A從start位置到結尾的字串 例子：
|
|
6、 字串擷取函式：substr,substring
語法: substr(string A, int start, int len),substring(string A, intstart, int len) 返回值: string 說明：返回字串A從start位置開始，長度為len的字串 例子：
|
|
7、字串轉大寫函式：upper,ucase
語法: upper(string A) ucase(string A) 返回值: string 說明：返回字串A的大寫格式 例子：
|
|
8、字串轉小寫函式：lower,lcase
語法: lower(string A) lcase(string A) 返回值: string 說明：返回字串A的小寫格式 例子：
|
|
9、去空格函式：trim
語法: trim(string A) 返回值: string 說明：去除字串兩邊的空格 例子：
|
|
10、左邊去空格函式：ltrim
語法: ltrim(string A) 返回值: string 說明：去除字串左邊的空格 例子：
|
|
11、右邊去空格函式：rtrim
語法: rtrim(string A) 返回值: string 說明：去除字串右邊的空格 例子：
|
|
12、正則表示式替換函式：regexp_replace
語法: regexp_replace(string A, string B, string C) 返回值: string 說明：將字串A中的符合java正則表示式B的部分替換為C。注意，在有些情況下要使用轉義字元,類似oracle中的regexp_replace函式。 例子：
|
|
13、正則表示式解析函式：regexp_extract
語法: regexp_extract(string subject, string pattern, int index) 返回值: string 說明：將字串subject按照pattern正則表示式的規則拆分，返回index指定的字元。 例子：
|
|
注意，在有些情況下要使用轉義字元，下面的等號要用雙豎線轉義，這是java正則表示式的規則。
|
|
14、URL解析函式：parse_url
語法: parse_url(string urlString, string partToExtract [, stringkeyToExtract]) 返回值: string 說明：返回URL中指定的部分。partToExtract的有效值為：HOST, PATH, QUERY, REF, PROTOCOL, AUTHORITY, FILE, and USERINFO. 例子：
|
|
15、json解析函式：get_json_object
語法: get_json_object(string json_string, string path) 返回值: string 說明：解析json的字串json_string,返回path指定的內容。如果輸入的json字串無效，那麼返回NULL。 例子：
|
|
16、空格字串函式：space
語法: space(int n) 返回值: string 說明：返回長度為n的字串 例子：
|
|
17、重複字串函式：repeat
語法: repeat(string str, int n) 返回值: string 說明：返回重複n次後的str字串 例子：
|
|
18、首字元ascii函式：ascii
語法: ascii(string str) 返回值: int 說明：返回字串str第一個字元的ascii碼 例子：
|
|
19、左補足函式：lpad
語法: lpad(string str, int len, string pad) 返回值: string 說明：將str進行用pad進行左補足到len位 例子：
|
|
注意：與GP，ORACLE不同，pad 不能預設
20、右補足函式：rpad
語法: rpad(string str, int len, string pad) 返回值: string 說明：將str進行用pad進行右補足到len位 例子：
|
|
21、分割字串函式: split
語法: split(string str, stringpat) 返回值: array 說明: 按照pat字串分割str，會返回分割後的字串陣列 例子：
|
|
22、集合查詢函式:find_in_set
語法: find_in_set(string str, string strList) 返回值: int 說明: 返回str在strlist第一次出現的位置，strlist是用逗號分割的字串。如果沒有找該str字元，則返回0 例子：
|
|