mirror of
https://github.com/ClickHouse/ClickHouse.git
synced 2024-11-27 01:51:59 +00:00
404 lines
11 KiB
C++
404 lines
11 KiB
C++
#pragma once
|
||
|
||
#include <DB/DataTypes/DataTypeString.h>
|
||
#include <DB/DataTypes/DataTypeArray.h>
|
||
#include <DB/Columns/ColumnString.h>
|
||
#include <DB/Columns/ColumnConst.h>
|
||
#include <DB/Columns/ColumnArray.h>
|
||
#include <DB/Functions/IFunction.h>
|
||
#include <DB/Functions/FunctionsStringSearch.h>
|
||
|
||
|
||
namespace DB
|
||
{
|
||
|
||
/** Функции, разделяющие строки на массив строк или наоборот.
|
||
*
|
||
* splitByChar(sep, s)
|
||
* splitByString(sep, s)
|
||
* splitByRegexp(regexp, s)
|
||
*
|
||
* extractAll(regexp, s) - выделить из строки подпоследовательности, соответствующие регекспу.
|
||
*
|
||
* join(sep, arr)
|
||
* join(arr)
|
||
*
|
||
* alphaTokens(s) - выделить из строки подпоследовательности [a-zA-Z]+.
|
||
*
|
||
* Функции работы с URL расположены отдельно.
|
||
*/
|
||
|
||
|
||
typedef const char * Pos;
|
||
|
||
|
||
/// Генераторы подстрок. Все они обладают общим интерфейсом.
|
||
|
||
class AlphaTokensImpl
|
||
{
|
||
private:
|
||
Pos pos;
|
||
Pos end;
|
||
|
||
public:
|
||
/// Получить имя фукнции.
|
||
static String getName() { return "alphaTokens"; }
|
||
|
||
/// Проверить типы агрументов функции.
|
||
static void checkArguments(const DataTypes & arguments)
|
||
{
|
||
if (arguments.size() != 1)
|
||
throw Exception("Number of arguments for function " + getName() + " doesn't match: passed "
|
||
+ toString(arguments.size()) + ", should be 1.",
|
||
ErrorCodes::NUMBER_OF_ARGUMENTS_DOESNT_MATCH);
|
||
|
||
if (!dynamic_cast<const DataTypeString *>(&*arguments[0]))
|
||
throw Exception("Illegal type " + arguments[0]->getName() + " of first argument of function " + getName() + ". Must be String.",
|
||
ErrorCodes::ILLEGAL_TYPE_OF_ARGUMENT);
|
||
}
|
||
|
||
/// Инициализировать по аргументам функции.
|
||
void init(Block & block, const ColumnNumbers & arguments) {}
|
||
|
||
/// Вызывается для каждой следующей строки.
|
||
void set(Pos pos_, Pos end_)
|
||
{
|
||
pos = pos_;
|
||
end = end_;
|
||
}
|
||
|
||
/// Получить следующий токен, если есть, или вернуть false.
|
||
bool get(Pos & token_begin, Pos & token_end)
|
||
{
|
||
/// Пропускаем мусор
|
||
while (pos < end && !((*pos >= 'a' && *pos <= 'z') || (*pos >= 'A' && *pos <= 'Z')))
|
||
++pos;
|
||
|
||
if (pos == end)
|
||
return false;
|
||
|
||
token_begin = pos;
|
||
|
||
while (pos < end && ((*pos >= 'a' && *pos <= 'z') || (*pos >= 'A' && *pos <= 'Z')))
|
||
++pos;
|
||
|
||
token_end = pos;
|
||
|
||
return true;
|
||
}
|
||
};
|
||
|
||
|
||
class SplitByCharImpl
|
||
{
|
||
private:
|
||
Pos pos;
|
||
Pos end;
|
||
|
||
char sep;
|
||
|
||
public:
|
||
static String getName() { return "splitByChar"; }
|
||
|
||
static void checkArguments(const DataTypes & arguments)
|
||
{
|
||
if (arguments.size() != 2)
|
||
throw Exception("Number of arguments for function " + getName() + " doesn't match: passed "
|
||
+ toString(arguments.size()) + ", should be 2.",
|
||
ErrorCodes::NUMBER_OF_ARGUMENTS_DOESNT_MATCH);
|
||
|
||
if (!dynamic_cast<const DataTypeString *>(&*arguments[0]))
|
||
throw Exception("Illegal type " + arguments[0]->getName() + " of first argument of function " + getName() + ". Must be String.",
|
||
ErrorCodes::ILLEGAL_TYPE_OF_ARGUMENT);
|
||
|
||
if (!dynamic_cast<const DataTypeString *>(&*arguments[1]))
|
||
throw Exception("Illegal type " + arguments[1]->getName() + " of second argument of function " + getName() + ". Must be String.",
|
||
ErrorCodes::ILLEGAL_TYPE_OF_ARGUMENT);
|
||
}
|
||
|
||
void init(Block & block, const ColumnNumbers & arguments)
|
||
{
|
||
const ColumnConstString * col = dynamic_cast<const ColumnConstString *>(&*block.getByPosition(arguments[0]).column);
|
||
|
||
if (!col)
|
||
throw Exception("Illegal column " + col->getName() + " of first argument of function " + getName() + ". Must be constant string.",
|
||
ErrorCodes::ILLEGAL_COLUMN);
|
||
|
||
const String & sep_str = col->getData();
|
||
|
||
if (sep_str.size() != 1)
|
||
throw Exception("Illegal separator for function " + getName() + ". Must be exactly one byte.");
|
||
|
||
sep = sep_str[0];
|
||
}
|
||
|
||
void set(Pos pos_, Pos end_)
|
||
{
|
||
pos = pos_;
|
||
end = end_;
|
||
}
|
||
|
||
bool get(Pos & token_begin, Pos & token_end)
|
||
{
|
||
if (!pos)
|
||
return false;
|
||
|
||
token_begin = pos;
|
||
pos = reinterpret_cast<Pos>(memchr(pos, sep, end - pos));
|
||
|
||
if (pos)
|
||
{
|
||
token_end = pos;
|
||
++pos;
|
||
}
|
||
else
|
||
token_end = end;
|
||
|
||
return true;
|
||
}
|
||
};
|
||
|
||
|
||
class SplitByStringImpl
|
||
{
|
||
private:
|
||
Pos pos;
|
||
Pos end;
|
||
|
||
String sep;
|
||
|
||
public:
|
||
static String getName() { return "splitByString"; }
|
||
|
||
static void checkArguments(const DataTypes & arguments)
|
||
{
|
||
SplitByCharImpl::checkArguments(arguments);
|
||
}
|
||
|
||
void init(Block & block, const ColumnNumbers & arguments)
|
||
{
|
||
const ColumnConstString * col = dynamic_cast<const ColumnConstString *>(&*block.getByPosition(arguments[0]).column);
|
||
|
||
if (!col)
|
||
throw Exception("Illegal column " + col->getName() + " of first argument of function " + getName() + ". Must be constant string.",
|
||
ErrorCodes::ILLEGAL_COLUMN);
|
||
|
||
sep = col->getData();
|
||
}
|
||
|
||
/// Вызывается для каждой следующей строки.
|
||
void set(Pos pos_, Pos end_)
|
||
{
|
||
pos = pos_;
|
||
end = end_;
|
||
}
|
||
|
||
/// Получить следующий токен, если есть, или вернуть false.
|
||
bool get(Pos & token_begin, Pos & token_end)
|
||
{
|
||
if (!pos)
|
||
return false;
|
||
|
||
token_begin = pos;
|
||
pos = reinterpret_cast<Pos>(memmem(pos, end - pos, sep.data(), sep.size()));
|
||
|
||
if (pos)
|
||
{
|
||
token_end = pos;
|
||
pos += sep.size();
|
||
}
|
||
else
|
||
token_end = end;
|
||
|
||
return true;
|
||
}
|
||
};
|
||
|
||
class ExtractAll
|
||
{
|
||
private:
|
||
String regexp;
|
||
|
||
const OptimizedRegularExpression *re;
|
||
OptimizedRegularExpression::MatchVec matches;
|
||
size_t wrote_num;
|
||
|
||
Pos pos;
|
||
Pos end;
|
||
public:
|
||
ExtractAll():re(0) { matches.reserve(10); }
|
||
/// Получить имя функции.
|
||
static String getName() { return "extractAll"; }
|
||
|
||
/// Проверить типы агрументов функции.
|
||
static void checkArguments( const DataTypes & arguments )
|
||
{
|
||
SplitByStringImpl::checkArguments(arguments);
|
||
}
|
||
|
||
/// Инициализировать по аргументам функции.
|
||
void init(Block & block, const ColumnNumbers & arguments)
|
||
{
|
||
const ColumnConstString * col = dynamic_cast<const ColumnConstString *>(&*block.getByPosition(arguments[0]).column);
|
||
|
||
if (!col)
|
||
throw Exception("Illegal column " + col->getName() + " of first argument of function " + getName() + ". Must be constant string.",
|
||
ErrorCodes::ILLEGAL_COLUMN);
|
||
|
||
regexp = col->getData();
|
||
}
|
||
|
||
/// Вызывается для каждой следующей строки.
|
||
void set(Pos pos_, Pos end_)
|
||
{
|
||
pos = pos_;
|
||
end = end_;
|
||
|
||
wrote_num = 0;
|
||
matches.clear();
|
||
|
||
if (pos_)
|
||
{
|
||
re = &Regexps::get(regexp);
|
||
}
|
||
}
|
||
|
||
/// Получить следующий токен, если есть, или вернуть false.
|
||
bool get(Pos & token_begin, Pos & token_end)
|
||
{
|
||
if(!pos || pos > end)
|
||
return false;
|
||
|
||
if(wrote_num >= matches.size())
|
||
{
|
||
matches.clear();
|
||
wrote_num = 0;
|
||
size_t match_num = re->match(pos, end - pos, matches);
|
||
if(!match_num)
|
||
return false;
|
||
}
|
||
|
||
/// Пишем найденные слова
|
||
token_begin = pos + matches[wrote_num].offset;
|
||
token_end = token_begin + matches[wrote_num].length;
|
||
|
||
++wrote_num;
|
||
|
||
/// когда дочитали до конца, сдвигаем на один символ
|
||
if(wrote_num == matches.size())
|
||
{
|
||
pos += matches[0].offset + 1;
|
||
}
|
||
|
||
return true;
|
||
}
|
||
};
|
||
|
||
/// Функция, принимающая строку, и возвращающая массив подстрок, создаваемый некоторым генератором.
|
||
template <typename Generator>
|
||
class FunctionTokens : public IFunction
|
||
{
|
||
public:
|
||
/// Получить имя функции.
|
||
String getName() const
|
||
{
|
||
return Generator::getName();
|
||
}
|
||
|
||
/// Получить тип результата по типам аргументов. Если функция неприменима для данных аргументов - кинуть исключение.
|
||
DataTypePtr getReturnType(const DataTypes & arguments) const
|
||
{
|
||
Generator::checkArguments(arguments);
|
||
|
||
return new DataTypeArray(new DataTypeString);
|
||
}
|
||
|
||
/// Выполнить функцию над блоком.
|
||
void execute(Block & block, const ColumnNumbers & arguments, size_t result)
|
||
{
|
||
Generator generator;
|
||
generator.init(block, arguments);
|
||
|
||
const ColumnString * col_str = dynamic_cast<const ColumnString *>(&*block.getByPosition(arguments.back()).column);
|
||
const ColumnConstString * col_const_str = dynamic_cast<const ColumnConstString *>(&*block.getByPosition(arguments.back()).column);
|
||
|
||
ColumnArray * col_res = new ColumnArray(new ColumnString);
|
||
ColumnString & res_strings = dynamic_cast<ColumnString &>(col_res->getData());
|
||
ColumnArray::Offsets_t & res_offsets = col_res->getOffsets();
|
||
ColumnString::Chars_t & res_strings_chars = res_strings.getChars();
|
||
ColumnString::Offsets_t & res_strings_offsets = res_strings.getOffsets();
|
||
|
||
if (col_str)
|
||
{
|
||
const ColumnString::Chars_t & src_chars = col_str->getChars();
|
||
const ColumnString::Offsets_t & src_offsets = col_str->getOffsets();
|
||
|
||
res_offsets.reserve(src_offsets.size());
|
||
res_strings_offsets.reserve(src_offsets.size() * 5); /// Константа 5 - наугад.
|
||
res_strings_chars.reserve(src_chars.size());
|
||
|
||
Pos token_begin = NULL;
|
||
Pos token_end = NULL;
|
||
|
||
size_t size = src_offsets.size();
|
||
ColumnString::Offset_t current_src_offset = 0;
|
||
ColumnArray::Offset_t current_dst_offset = 0;
|
||
ColumnString::Offset_t current_dst_strings_offset = 0;
|
||
for (size_t i = 0; i < size; ++i)
|
||
{
|
||
Pos pos = reinterpret_cast<Pos>(&src_chars[current_src_offset]);
|
||
current_src_offset = src_offsets[i];
|
||
Pos end = reinterpret_cast<Pos>(&src_chars[current_src_offset]) - 1;
|
||
|
||
generator.set(pos, end);
|
||
|
||
size_t j = 0;
|
||
while (generator.get(token_begin, token_end))
|
||
{
|
||
size_t token_size = token_end - token_begin;
|
||
|
||
res_strings_chars.resize(res_strings_chars.size() + token_size + 1);
|
||
memcpy(&res_strings_chars[current_dst_strings_offset], token_begin, token_size);
|
||
/// Нулевой байт после токена и так инициализирован std::vector-ом.
|
||
|
||
current_dst_strings_offset += token_size + 1;
|
||
res_strings_offsets.push_back(current_dst_strings_offset);
|
||
++j;
|
||
}
|
||
|
||
current_dst_offset += j;
|
||
res_offsets.push_back(current_dst_offset);
|
||
}
|
||
|
||
block.getByPosition(result).column = col_res;
|
||
}
|
||
else if (col_const_str)
|
||
{
|
||
String src = col_const_str->getData();
|
||
Array dst;
|
||
|
||
generator.set(src.data(), src.data() + src.size());
|
||
Pos token_begin = NULL;
|
||
Pos token_end = NULL;
|
||
|
||
while (generator.get(token_begin, token_end))
|
||
dst.push_back(String(token_begin, token_end - token_begin));
|
||
|
||
block.getByPosition(result).column = new ColumnConstArray(col_const_str->size(), dst, new DataTypeArray(new DataTypeString));
|
||
}
|
||
else
|
||
throw Exception("Illegal columns " + block.getByPosition(arguments.back()).column->getName()
|
||
+ ", " + block.getByPosition(arguments.back()).column->getName()
|
||
+ " of arguments of function " + getName(),
|
||
ErrorCodes::ILLEGAL_COLUMN);
|
||
}
|
||
};
|
||
|
||
|
||
typedef FunctionTokens<AlphaTokensImpl> FunctionAlphaTokens;
|
||
typedef FunctionTokens<SplitByCharImpl> FunctionSplitByChar;
|
||
typedef FunctionTokens<SplitByStringImpl> FunctionSplitByString;
|
||
typedef FunctionTokens<ExtractAll> FunctionExtractAll;
|
||
|
||
}
|