ODPS字符串函数

CHAR_MATCHCOUNT

• 命令格式

  bigint char_matchcount(string str1, string str2)

• 命令说明

  该函数用于计算str1中有多少个字符出现在str2中。

• 参数说明

  str1、str2：STRING类型，必须为有效的UTF-8字符串。如果对比中发现有无效字符，则函数返回负值。

• 返回值说明

  返回BIGINT类型。如果任一输入参数为NULL，则返回NULL。

• 示例

  char_matchcount('abd','aabc') = 2
  -- str1中得两个字符串'a','b'在str2中出现过。

CONCAT

• 命令格式

  string concat(string a, string b...)

• 命令说明

  该函数的返回值是将参数中的所有字符串连接在一起的结果。

• 参数说明

  输入参数为STRING类型。如果输入参数为BIGINT、DOUBLE、DECIMAL或者DATETIME类型，则会隐式转换为STRING后参与运算，其它类型抛异常。

• 返回值类型

  返回STRING类型。如果没有参数或者任一参数为NULL，则返回NULL。

• 示例

  concat('ab','c') = 'abc'
  concat() = NULL
  concat('a', null, 'b') = NULL

GET_JSON_OBJECT

• 命令格式

  STRING GET_JSON_OBJECT(STRING json,STRING path)

• 命令说明

  该函数用于在一个标准JSON字符串中，按照path抽取指定的字符串。每次调用该函数时，都会读一次原始数据，因此反复调用可能会造成性能和费用的浪费。利用GET_JSON_OBJECT结合UDTF，您可以轻松转换JSON格式日志数据，避免多次调用函数，详情请参见利用MaxCompute内建函数及UDTF转换JSON格式日志数据。

• 参数说明
  • json：STRING类型，标准的json格式字符串。
  • path：STRING类型，用于描述在json中的path，以$开头。关于path的说明，请参见LanguageManual UDF。
    • $：表示根节点。
    • .：表示子节点。
    • []：[number]表示数组下标，数组的格式为key[sub1][sub2][sub3]……。
    • *：Wildcard for []，返回整个数组。*不支持转义。
• 返回值说明
  • 如果json为空或者非法的json格式，则返回NULL。
  • 如果json合法，path也存在，则返回对应字符串。
  • 当前不支持一个Object中出现两次相同的Key，例如{a:1, a:0}，否则可能造成无法解析。
  • 当前不支持Emoji表情字符串。
• 示例一

  +----+
  json
  +----+
  {"store":
  {"fruit":[{"weight":8,"type":"apple"},{"weight":9,"type":"pear"}],
  "bicycle":{"price":19.95,"color":"red"}
  },
  "email":"amy@only_for_json_udf_test.net",
  "owner":"amy"
  }

  通过以下查询，可以提取json对象中的信息。

  odps> SELECT get_json_object(src_json.json, '$.owner') FROM src_json;
  amy
  odps> SELECT get_json_object(src_json.json, '$.store.fruit\[0]') FROM src_json;
  {"weight":8,"type":"apple"}
  odps> SELECT get_json_object(src_json.json, '$.non_exist_key') FROM src_json;
  NULL

  示例二

  get_json_object('{"array":[["aaaa",1111],["bbbb",2222],["cccc",3333]]}','$.array[1][1]')= "2222"
  get_json_object('{"aaa":"bbb","ccc":{"ddd":"eee","fff":"ggg","hhh":["h0","h1","h2"]},"iii":"jjj"}','$.ccc.hhh[*]') = "["h0","h1","h2"]"
  get_json_object('{"aaa":"bbb","ccc":{"ddd":"eee","fff":"ggg","hhh":["h0","h1","h2"]},"iii":"jjj"}','$.ccc.hhh[1]') = "h1"

INSTR

• 命令格式

  bigint instr(string str1, string str2[, bigint start_position[, bigint nth_appearance]])

• 命令说明

  该函数用于计算子串str2在字符串str1中的位置。

• 参数说明
  • str1：STRING类型，要搜索的字符串。如果输入为BIGINT、DOUBLE、DECIMAL或者DATETIME类型，则会隐式转换为STRING后参与运算，其它类型抛异常。
  • str2：STRING类型，要搜索的子串。如果输入为BIGINT、DOUBLE、DECIMAL或者DATETIME类型，则会隐式转换为STRING后参与运算，其它类型抛异常。
  • start_position：BIGINT类型，其它类型抛异常。表示从str1的第几个字符开始搜索，默认起始位置是第一个字符位置1。
  • nth_appearance：BIGINT类型，大于0。表示子串在字符串中的第nth_appearance次匹配的位置。如果nth_appearance为其它类型或小于等于0，则抛异常。
• 返回值说明
  • 返回BIGINT类型。
  • 如果在str1中未找到str2，则返回0。
  • 如果任一输入参数为NULL，则返回NULL。
  • 如果str2为空串，则总能匹配成功，例如instr(‘abc’, ‘’)会返回 1。
• 示例

  instr('Tech on the net', 'e') = 2
  instr('Tech on the net', 'e', 1, 1) = 2
  instr('Tech on the net', 'e', 1, 2) = 11
  instr('Tech on the net', 'e', 1, 3) = 14

IS_ENCODING

• 命令格式

  boolean is_encoding(string str, string from_encoding, string to_encoding)

• 命令说明

  用于判断输入字符串str是否可以从指定的一个字符集from_encoding转为另一个字符集to_encoding。可用于判断输入是否为乱码，通常的用法是将from_encoding设为UTF-8，to_encoding设为GBK。

• 参数说明
  • str：STRING类型，空字符串可以被认为属于任何字符集。
  • from_encoding、to_encoding：STRING类型，源及目标字符集。
  • 如果任一输入参数为NULL，则返回NULL。
• 返回值说明

  返回BOOLEAN类型。如果str能够成功转换，则返回True，否则返回False。

• 示例

  is_encoding('测试', 'utf-8', 'gbk') = true
  is_encoding('測試', 'utf-8', 'gbk') = true
  -- gbk字库中有这两个繁体字。
  is_encoding('測試', 'utf-8', 'gb2312') = false
  -- gb2312库中不包括这两个字。