8.4 KiB
字符串搜索函数
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。
position(haystack, needle), locate(haystack, 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(haystack, 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。
multiSearchAllPositions(haystack, [needle1, needle2, …, needlen])
与position相同，但函数返回一个数组，其中包含所有匹配needlei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(haystack, [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(haystack, [needle1, needle2, …, needlen])
返回在字符串haystack中最先查找到的needlei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。
multiSearchAny(haystack, [needle1, needle2, …, needlen])
如果haystack中至少存在一个needlei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28。
match(haystack, 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(haystack, [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232</ sup>字节，否则抛出异常。这种限制是因为hyperscan API而产生的。
multiMatchAnyIndex(haystack, [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(haystack, 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。
multiFuzzyMatchAnyIndex(haystack, 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;。
extract(haystack, 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(haystack, 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）。
like(haystack, 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。
notLike(haystack, pattern), haystack NOT LIKE pattern operator
与‘like’函数返回相反的结果。
ngramDistance(haystack, 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。
ngramSearch(haystack, 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。