mirror of
https://github.com/ClickHouse/ClickHouse.git
synced 2024-12-15 19:02:04 +00:00
d91c97d15d
* Replace underscores with hyphens * remove temporary code * fix style check * fix collapse
123 lines
8.4 KiB
Markdown
123 lines
8.4 KiB
Markdown
# 字符串搜索函数 {#zi-fu-chuan-sou-suo-han-shu}
|
||
|
||
下列所有函数在默认的情况下区分大小写。对于不区分大小写的搜索,存在单独的变体。
|
||
|
||
## 位置(大海捞针),定位(大海捞针) {#positionhaystack-needle-locatehaystack-needle}
|
||
|
||
在字符串`haystack`中搜索子串`needle`。
|
||
返回子串的位置(以字节为单位),从1开始,如果未找到子串,则返回0。
|
||
|
||
对于不区分大小写的搜索,请使用函数`positionCaseInsensitive`。
|
||
|
||
## positionUTF8(大海捞针) {#positionutf8haystack-needle}
|
||
|
||
与`position`相同,但位置以Unicode字符返回。此函数工作在UTF-8编码的文本字符集中。如非此编码的字符集,则返回一些非预期结果(他不会抛出异常)。
|
||
|
||
对于不区分大小写的搜索,请使用函数`positionCaseInsensitiveUTF8`。
|
||
|
||
## 多搜索分配(干草堆,\[针<sub>1</sub>,针<sub>2</sub>, …, needle<sub>n</sub>\]) {#multisearchallpositionshaystack-needle1-needle2-needlen}
|
||
|
||
与`position`相同,但函数返回一个数组,其中包含所有匹配needle<sub>我</sub>的位置。
|
||
|
||
对于不区分大小写的搜索或/和UTF-8格式,使用函数`multiSearchAllPositionsCaseInsensitive,multiSearchAllPositionsUTF8,multiSearchAllPositionsCaseInsensitiveUTF8`。
|
||
|
||
## multiSearchFirstPosition(大海捞针,\[针<sub>1</sub>,针<sub>2</sub>, …, needle<sub>n</sub>\]) {#multisearchfirstpositionhaystack-needle1-needle2-needlen}
|
||
|
||
与`position`相同,但返回在`haystack`中与needles字符串匹配的最左偏移。
|
||
|
||
对于不区分大小写的搜索或/和UTF-8格式,使用函数`multiSearchFirstPositionCaseInsensitive,multiSearchFirstPositionUTF8,multiSearchFirstPositionCaseInsensitiveUTF8`。
|
||
|
||
## multiSearchFirstIndex(大海捞针,\[针<sub>1</sub>,针<sub>2</sub>, …, needle<sub>n</sub>\]) {#multisearchfirstindexhaystack-needle1-needle2-needlen}
|
||
|
||
返回在字符串`haystack`中最先查找到的needle<sub>我</sub>的索引`i`(从1开始),没有找到任何匹配项则返回0。
|
||
|
||
对于不区分大小写的搜索或/和UTF-8格式,使用函数`multiSearchFirstIndexCaseInsensitive,multiSearchFirstIndexUTF8,multiSearchFirstIndexCaseInsensitiveUTF8`。
|
||
|
||
## 多搜索(大海捞针,\[针<sub>1</sub>,针<sub>2</sub>, …, needle<sub>n</sub>\]) {#multisearchanyhaystack-needle1-needle2-needlen}
|
||
|
||
如果`haystack`中至少存在一个needle<sub>我</sub>匹配则返回1,否则返回0。
|
||
|
||
对于不区分大小写的搜索或/和UTF-8格式,使用函数`multiSearchAnyCaseInsensitive,multiSearchAnyUTF8,multiSearchAnyCaseInsensitiveUTF8`。
|
||
|
||
!!! note "注意"
|
||
在所有`multiSearch*`函数中,由于实现规范,needles的数量应小于2<sup>8</sup>。
|
||
|
||
## 匹配(大海捞针,模式) {#matchhaystack-pattern}
|
||
|
||
检查字符串是否与`pattern`正则表达式匹配。`pattern`可以是一个任意的`re2`正则表达式。 `re2`正则表达式的[语法](https://github.com/google/re2/wiki/Syntax)比Perl正则表达式的语法存在更多限制。
|
||
|
||
如果不匹配返回0,否则返回1。
|
||
|
||
请注意,反斜杠符号(`\`)用于在正则表达式中转义。由于字符串中采用相同的符号来进行转义。因此,为了在正则表达式中转义符号,必须在字符串文字中写入两个反斜杠(\\)。
|
||
|
||
正则表达式与字符串一起使用,就像它是一组字节一样。正则表达式中不能包含空字节。
|
||
对于在字符串中搜索子字符串的模式,最好使用LIKE或«position»,因为它们更加高效。
|
||
|
||
## multiMatchAny(大海捞针,\[模式<sub>1</sub>,模式<sub>2</sub>, …, pattern<sub>n</sub>\]) {#multimatchanyhaystack-pattern1-pattern2-patternn}
|
||
|
||
与`match`相同,但如果所有正则表达式都不匹配,则返回0;如果任何模式匹配,则返回1。它使用[超扫描](https://github.com/intel/hyperscan)库。对于在字符串中搜索子字符串的模式,最好使用«multisearchany»,因为它更高效。
|
||
|
||
!!! note "注意"
|
||
任何`haystack`字符串的长度必须小于2<sup>32\</ sup\>字节,否则抛出异常。这种限制是因为hyperscan API而产生的。
|
||
|
||
## multiMatchAnyIndex(大海捞针,\[模式<sub>1</sub>,模式<sub>2</sub>, …, pattern<sub>n</sub>\]) {#multimatchanyindexhaystack-pattern1-pattern2-patternn}
|
||
|
||
与`multiMatchAny`相同,但返回与haystack匹配的任何内容的索引位置。
|
||
|
||
## multiFuzzyMatchAny(干草堆,距离,\[模式<sub>1</sub>,模式<sub>2</sub>, …, pattern<sub>n</sub>\]) {#multifuzzymatchanyhaystack-distance-pattern1-pattern2-patternn}
|
||
|
||
与`multiMatchAny`相同,但如果在haystack能够查找到任何模式匹配能够在指定的[编辑距离](https://en.wikipedia.org/wiki/Edit_distance)内进行匹配,则返回1。此功能也处于实验模式,可能非常慢。有关更多信息,请参阅[hyperscan文档](https://intel.github.io/hyperscan/dev-reference/compilation.html#approximate-matching)。
|
||
|
||
## multiFuzzyMatchAnyIndex(大海捞针,距离,\[模式<sub>1</sub>,模式<sub>2</sub>, …, pattern<sub>n</sub>\]) {#multifuzzymatchanyindexhaystack-distance-pattern1-pattern2-patternn}
|
||
|
||
与`multiFuzzyMatchAny`相同,但返回匹配项的匹配能容的索引位置。
|
||
|
||
!!! note "注意"
|
||
`multiFuzzyMatch*`函数不支持UTF-8正则表达式,由于hyperscan限制,这些表达式被按字节解析。
|
||
|
||
!!! note "注意"
|
||
如要关闭所有hyperscan函数的使用,请设置`SET allow_hyperscan = 0;`。
|
||
|
||
## 提取(大海捞针,图案) {#extracthaystack-pattern}
|
||
|
||
使用正则表达式截取字符串。如果’haystack’与’pattern’不匹配,则返回空字符串。如果正则表达式中不包含子模式,它将获取与整个正则表达式匹配的子串。否则,它将获取与第一个子模式匹配的子串。
|
||
|
||
## extractAll(大海捞针,图案) {#extractallhaystack-pattern}
|
||
|
||
使用正则表达式提取字符串的所有片段。如果’haystack’与’pattern’正则表达式不匹配,则返回一个空字符串。否则返回所有与正则表达式匹配的字符串数组。通常,行为与’extract’函数相同(它采用第一个子模式,如果没有子模式,则采用整个表达式)。
|
||
|
||
## 像(干草堆,模式),干草堆像模式运算符 {#likehaystack-pattern-haystack-like-pattern-operator}
|
||
|
||
检查字符串是否与简单正则表达式匹配。
|
||
正则表达式可以包含的元符号有`%`和`_`。
|
||
|
||
`%` 表示任何字节数(包括零字符)。
|
||
|
||
`_` 表示任何一个字节。
|
||
|
||
可以使用反斜杠(`\`)来对元符号进行转义。请参阅«match»函数说明中有关转义的说明。
|
||
|
||
对于像`%needle%`这样的正则表达式,改函数与`position`函数一样快。
|
||
对于其他正则表达式,函数与’match’函数相同。
|
||
|
||
## 不喜欢(干草堆,模式),干草堆不喜欢模式运算符 {#notlikehaystack-pattern-haystack-not-like-pattern-operator}
|
||
|
||
与’like’函数返回相反的结果。
|
||
|
||
## 大海捞针) {#ngramdistancehaystack-needle}
|
||
|
||
基于4-gram计算`haystack`和`needle`之间的距离:计算两个4-gram集合之间的对称差异,并用它们的基数和对其进行归一化。返回0到1之间的任何浮点数 – 越接近0则表示越多的字符串彼此相似。如果常量的`needle`或`haystack`超过32KB,函数将抛出异常。如果非常量的`haystack`或`needle`字符串超过32Kb,则距离始终为1。
|
||
|
||
对于不区分大小写的搜索或/和UTF-8格式,使用函数`ngramDistanceCaseInsensitive,ngramDistanceUTF8,ngramDistanceCaseInsensitiveUTF8`。
|
||
|
||
## ツ暗ェツ氾环催ツ団ツ法ツ人) {#ngramsearchhaystack-needle}
|
||
|
||
与`ngramDistance`相同,但计算`needle`和`haystack`之间的非对称差异——`needle`的n-gram减去`needle`归一化n-gram。可用于模糊字符串搜索。
|
||
|
||
对于不区分大小写的搜索或/和UTF-8格式,使用函数`ngramSearchCaseInsensitive,ngramSearchUTF8,ngramSearchCaseInsensitiveUTF8`。
|
||
|
||
!!! note "注意"
|
||
对于UTF-8,我们使用3-gram。所有这些都不是完全公平的n-gram距离。我们使用2字节哈希来散列n-gram,然后计算这些哈希表之间的(非)对称差异 - 可能会发生冲突。对于UTF-8不区分大小写的格式,我们不使用公平的`tolower`函数 - 我们将每个Unicode字符字节的第5位(从零开始)和字节的第一位归零 - 这适用于拉丁语,主要用于所有西里尔字母。
|
||
|
||
[来源文章](https://clickhouse.tech/docs/en/query_language/functions/string_search_functions/) <!--hide-->
|