ClickHouse/docs/es/query_language/functions/string_functions.md

Funciones para trabajar con cadenas

Vaciar

Devuelve 1 para una cadena vacía o 0 para una cadena no vacía. El tipo de resultado es UInt8. Una cadena se considera no vacía si contiene al menos un byte, incluso si se trata de un espacio o un byte nulo. La función también funciona para matrices.

notEmpty

Devuelve 0 para una cadena vacía o 1 para una cadena no vacía. El tipo de resultado es UInt8. La función también funciona para matrices.

longitud

Devuelve la longitud de una cadena en bytes (no en caracteres y no en puntos de código). El tipo de resultado es UInt64. La función también funciona para matrices.

longitudUTF8

Devuelve la longitud de una cadena en puntos de código Unicode (no en caracteres), suponiendo que la cadena contiene un conjunto de bytes que componen texto codificado en UTF-8. Si no se cumple esta suposición, devuelve algún resultado (no arroja una excepción). El tipo de resultado es UInt64.

char_length, CHAR_LENGTH

Devuelve la longitud de una cadena en puntos de código Unicode (no en caracteres), suponiendo que la cadena contiene un conjunto de bytes que componen texto codificado en UTF-8. Si no se cumple esta suposición, devuelve algún resultado (no arroja una excepción). El tipo de resultado es UInt64.

character_length, CHARACTER_LENGTH

Devuelve la longitud de una cadena en puntos de código Unicode (no en caracteres), suponiendo que la cadena contiene un conjunto de bytes que componen texto codificado en UTF-8. Si no se cumple esta suposición, devuelve algún resultado (no arroja una excepción). El tipo de resultado es UInt64.

inferior, lcase

Convierte símbolos latinos ASCII en una cadena a minúsculas.

superior, ucase

Convierte los símbolos latinos ASCII en una cadena a mayúsculas.

Método de codificación de datos:

Convierte una cadena en minúsculas, suponiendo que la cadena contiene un conjunto de bytes que componen un texto codificado en UTF-8. No detecta el idioma. Entonces, para el turco, el resultado podría no ser exactamente correcto. Si la longitud de la secuencia de bytes UTF-8 es diferente para mayúsculas y minúsculas de un punto de código, el resultado puede ser incorrecto para este punto de código. Si la cadena contiene un conjunto de bytes que no es UTF-8, entonces el comportamiento no está definido.

Todos los derechos reservados.

Convierte una cadena en mayúsculas, suponiendo que la cadena contiene un conjunto de bytes que componen un texto codificado en UTF-8. No detecta el idioma. Entonces, para el turco, el resultado podría no ser exactamente correcto. Si la longitud de la secuencia de bytes UTF-8 es diferente para mayúsculas y minúsculas de un punto de código, el resultado puede ser incorrecto para este punto de código. Si la cadena contiene un conjunto de bytes que no es UTF-8, entonces el comportamiento no está definido.

Sistema abierto.

Devuelve 1, si el conjunto de bytes es válido codificado en UTF-8, de lo contrario 0.

Acerca de Nosotros

Reemplaza los caracteres UTF-8 no válidos por <EFBFBD> (U+FFFD) carácter. Todos los caracteres no válidos que se ejecutan en una fila se contraen en el único carácter de reemplazo.

toValidUTF8( input_string )

Parámetros:

• input_string — Cualquier conjunto de bytes representados como el Cadena objeto de tipo de datos.

Valor devuelto: cadena UTF-8 válida.

Ejemplo

SELECT toValidUTF8('\x61\xF0\x80\x80\x80b')

┌─toValidUTF8('a<><61><EFBFBD><EFBFBD>b')─┐
│ a<>b                   │
└───────────────────────┘

repetir

Repite una cadena tantas veces como se especifique y concatena los valores replicados como una única cadena.

Sintaxis

repeat(s, n)

Parámetros

• s — La cadena de repetir. Cadena.
• n — El número de veces para repetir la cadena. UInt.

Valor devuelto

La cadena única, que contiene la cadena s repetir n tiempo. Si n < 1, la función devuelve cadena vacía.

Tipo: String.

Ejemplo

Consulta:

SELECT repeat('abc', 10)

Resultado:

┌─repeat('abc', 10)──────────────┐
│ abcabcabcabcabcabcabcabcabcabc │
└────────────────────────────────┘

Inverso

Invierte la cadena (como una secuencia de bytes).

reverseUTF8

Invierte una secuencia de puntos de código Unicode, suponiendo que la cadena contiene un conjunto de bytes que representan un texto UTF-8. De lo contrario, hace otra cosa (no arroja una excepción).

Formato (patrón, s0, s1, …)

Formatear el patrón constante con la cadena enumerada en los argumentos. pattern es un patrón de formato de Python simplificado. La cadena de formato contiene “replacement fields” rodeado de llaves {}. Cualquier cosa que no esté contenida entre llaves se considera texto literal, que se copia sin cambios en la salida. Si necesita incluir un carácter de llave en el texto literal, se puede escapar duplicando: {{ '{{' }} y {{ '}}' }}. Los nombres de campo pueden ser números (comenzando desde cero) o vacíos (luego se tratan como números de consecuencia).

SELECT format('{1} {0} {1}', 'World', 'Hello')

┌─format('{1} {0} {1}', 'World', 'Hello')─┐
│ Hello World Hello                       │
└─────────────────────────────────────────┘

SELECT format('{} {}', 'Hello', 'World')

┌─format('{} {}', 'Hello', 'World')─┐
│ Hello World                       │
└───────────────────────────────────┘

concat

Concatena las cadenas enumeradas en los argumentos, sin un separador.

Sintaxis

concat(s1, s2, ...)

Parámetros

Valores de tipo String o FixedString.

Valores devueltos

Devuelve la cadena que resulta de concatenar los argumentos.

Si alguno de los valores de argumento NULL, concat devoluciones NULL.

Ejemplo

Consulta:

SELECT concat('Hello, ', 'World!')

Resultado:

┌─concat('Hello, ', 'World!')─┐
│ Hello, World!               │
└─────────────────────────────┘

ConcatAssumeInjective

Lo mismo que concat, la diferencia es que usted necesita asegurar eso concat(s1, s2, ...) → sn es inyectivo, se utilizará para la optimización de GROUP BY.

La función se llama “injective” si siempre devuelve un resultado diferente para diferentes valores de argumentos. En otras palabras: diferentes argumentos nunca arrojan un resultado idéntico.

Sintaxis

concatAssumeInjective(s1, s2, ...)

Parámetros

Valores de tipo String o FixedString.

Valores devueltos

Devuelve la cadena que resulta de concatenar los argumentos.

Si alguno de los valores de argumento NULL, concatAssumeInjective devoluciones NULL.

Ejemplo

Tabla de entrada:

CREATE TABLE key_val(`key1` String, `key2` String, `value` UInt32) ENGINE = TinyLog;
INSERT INTO key_val VALUES ('Hello, ','World',1), ('Hello, ','World',2), ('Hello, ','World!',3), ('Hello',', World!',2);
SELECT * from key_val;

┌─key1────┬─key2─────┬─value─┐
│ Hello,  │ World    │     1 │
│ Hello,  │ World    │     2 │
│ Hello,  │ World!   │     3 │
│ Hello   │ , World! │     2 │
└─────────┴──────────┴───────┘

Consulta:

SELECT concat(key1, key2), sum(value) FROM key_val GROUP BY concatAssumeInjective(key1, key2)

Resultado:

┌─concat(key1, key2)─┬─sum(value)─┐
│ Hello, World!      │          3 │
│ Hello, World!      │          2 │
│ Hello, World       │          3 │
└────────────────────┴────────────┘

substring(s, desplazamiento, longitud), mid(s, desplazamiento, longitud), substr(s, desplazamiento, longitud)

Devuelve una subcadena que comienza con el byte ‘offset’ índice que es ‘length’ bytes de largo. La indexación de caracteres comienza desde uno (como en SQL estándar). El ‘offset’ y ‘length’ los argumentos deben ser constantes.

substringUTF8(s, desplazamiento, longitud)

Lo mismo que ‘substring’, pero para puntos de código Unicode. Funciona bajo el supuesto de que la cadena contiene un conjunto de bytes que representan un texto codificado en UTF-8. Si no se cumple esta suposición, devuelve algún resultado (no arroja una excepción).

Aquí hay algunas opciones)

Si el ‘s’ cadena no está vacía y no contiene el ‘c’ carácter al final, se añade el ‘c’ carácter hasta el final.

convertirCharset(s), de, a)

Devuelve la cadena ‘s’ que se convirtió de la codificación en ‘from’ a la codificación en ‘to’.

Sistema abierto.)

Codificar ‘s’ cadena en base64

base64Decode(s))))

Decodificar cadena codificada en base64 ‘s’ en la cadena original. En caso de fallo plantea una excepción.

tryBase64Decode(s)

Similar a base64Decode, pero en caso de error se devolverá una cadena vacía.

terminaCon(s, sufijo)

Devuelve si se debe terminar con el sufijo especificado. Devuelve 1 si la cadena termina con el sufijo especificado, de lo contrario devuelve 0.

Comienza con (str, prefijo)

Devuelve 1 si la cadena comienza con el prefijo especificado, de lo contrario devuelve 0.

SELECT startsWith('Spider-Man', 'Spi');

Valores devueltos

• 1, si la cadena comienza con el prefijo especificado.
• 0, si la cadena no comienza con el prefijo especificado.

Ejemplo

Consulta:

SELECT startsWith('Hello, world!', 'He');

Resultado:

┌─startsWith('Hello, world!', 'He')─┐
│                                 1 │
└───────────────────────────────────┘

recortar

Quita todos los caracteres especificados del inicio o el final de una cadena. De forma predeterminada, elimina todas las apariciones consecutivas de espacios en blanco comunes (carácter ASCII 32) de ambos extremos de una cadena.

Sintaxis

trim([[LEADING|TRAILING|BOTH] trim_character FROM] input_string)

Parámetros

• trim_character — caracteres especificados para el recorte. Cadena.
• input_string — cuerda para el acabado. Cadena.

Valor devuelto

Una cadena sin caracteres especificados iniciales y (o) finales.

Tipo: String.

Ejemplo

Consulta:

SELECT trim(BOTH ' ()' FROM '(   Hello, world!   )')

Resultado:

┌─trim(BOTH ' ()' FROM '(   Hello, world!   )')─┐
│ Hello, world!                                 │
└───────────────────────────────────────────────┘

trimLeft

Quita todas las apariciones consecutivas de espacios en blanco comunes (carácter ASCII 32) desde el principio de una cadena. No elimina otros tipos de caracteres de espacio en blanco (tab, espacio sin interrupción, etc.).

Sintaxis

trimLeft(input_string)

Apodo: ltrim(input_string).

Parámetros

• input_string — cuerda para recortar. Cadena.

Valor devuelto

Una cadena sin espacios en blanco comunes iniciales.

Tipo: String.

Ejemplo

Consulta:

SELECT trimLeft('     Hello, world!     ')

Resultado:

┌─trimLeft('     Hello, world!     ')─┐
│ Hello, world!                       │
└─────────────────────────────────────┘

trimRight

Quita todas las apariciones consecutivas de espacios en blanco comunes (carácter ASCII 32) del final de una cadena. No elimina otros tipos de caracteres de espacio en blanco (tab, espacio sin interrupción, etc.).

Sintaxis

trimRight(input_string)

Apodo: rtrim(input_string).

Parámetros

• input_string — cuerda para recortar. Cadena.

Valor devuelto

Una cadena sin espacios en blanco comunes finales.

Tipo: String.

Ejemplo

Consulta:

SELECT trimRight('     Hello, world!     ')

Resultado:

┌─trimRight('     Hello, world!     ')─┐
│      Hello, world!                   │
└──────────────────────────────────────┘

AjusteTanto

Quita todas las apariciones consecutivas de espacios en blanco comunes (carácter ASCII 32) de ambos extremos de una cadena. No elimina otros tipos de caracteres de espacio en blanco (tab, espacio sin interrupción, etc.).

Sintaxis

trimBoth(input_string)

Apodo: trim(input_string).

Parámetros

• input_string — cuerda para recortar. Cadena.

Valor devuelto

Una cadena sin espacios en blanco comunes iniciales y finales.

Tipo: String.

Ejemplo

Consulta:

SELECT trimBoth('     Hello, world!     ')

Resultado:

┌─trimBoth('     Hello, world!     ')─┐
│ Hello, world!                       │
└─────────────────────────────────────┘

CRC32(s))))

Devuelve la suma de comprobación CRC32 de una cadena, utilizando el polinomio CRC-32-IEEE 802.3 y el valor inicial 0xffffffff (implementación zlib).

El tipo de resultado es UInt32.

CRC32IEEE(s)

Devuelve la suma de comprobación CRC32 de una cadena, utilizando el polinomio CRC-32-IEEE 802.3.

El tipo de resultado es UInt32.

CRC64(s))))

Devuelve la suma de comprobación CRC64 de una cadena, utilizando el polinomio CRC-64-ECMA.

El tipo de resultado es UInt64.

Artículo Original