> dual.tsvhadoop fs -put dual.tsv '/...">
美文网首页
Hive中常用的字符串操作

Hive中常用的字符串操作

作者: 不可能打工 | 来源:发表于2020-12-29 14:37 被阅读0次

    一、准备

    创建虚表:

    echo "X" >> dual.tsv
    hadoop fs -put dual.tsv '/data//'
    create table dual(dummy string);
    load data local inpath '/data/
    /dual.tsv' overwrite into table dual;

    二、应用

    1. 字符串长度函数:length

    语法: length(string A)

    返回值: int

    说明:返回字符串A的长度

    hive> select length('abced') from dual;
    5

    1. 字符串反转函数:reverse

    语法: reverse(string A)

    返回值: string

    说明:返回字符串A的反转结果

    hive> select reverse('abcedfg') from dual;
    gfdecba

    1. 字符串连接函数:concat

    语法: concat(string A, string B…)

    返回值: string

    说明:返回输入字符串连接后的结果,支持任意个输入字符串

    hive> select concat('abc','def') from dual;
    abcdef

    1. 带分隔符字符串连接函数:concat_ws

    语法: concat_ws(string SEP, string A, string B…)

    返回值: string

    说明:返回输入字符串连接后的结果,SEP表示各个字符串间的分隔符

    hive> select concat_ws(',','abc','def','gh') from dual;
    abc,def,gh

    1. 字符串截取函数:substr,substring

    语法: substr(string A, int start),substring(string A, int start)

    返回值: string

    说明:返回字符串A从start位置到结尾的字符串

    hive> select substr('abcde',3) from dual;
    cde
    hive> select substring('abcde',3) from dual;
    cde
    hive> select substr('abcde',-1) from dual;
    e

    1. 字符串截取函数:substr,substring

    语法: substr(string A, int start, int len),substring(string A, int start, int len)

    返回值: string

    说明:返回字符串A从start位置开始,长度为len的字符串

    hive> select substr('abcde',3,2) from dual;
    cd
    hive> select substring('abcde',3,2) from dual;
    cd
    hive>select substring('abcde',-2,2) from dual;
    de

    1. 字符串转大写函数:upper,ucase

    语法: upper(string A) ucase(string A)

    返回值: string

    说明:返回字符串A的大写格式

    hive> select upper('abCd') from dual;
    ABCD
    hive> select ucase('abCd') from dual;
    ABCD

    1. 字符串转小写函数:lower,lcase

    语法: lower(string A) lcase(string A)

    返回值: string

    说明:返回字符串A的小写格式

    hive> select lower('abCd') from dual;
    abcd
    hive> select lcase('abCd') from dual;
    abcd

    1. 去空格函数:trim

    语法: trim(string A)

    返回值: string

    说明:去除字符串两边的空格

    hive> select trim(' abc ') from dual;
    abc

    1. 左边去空格函数:ltrim

    语法: ltrim(string A)

    返回值: string

    说明:去除字符串左边的空格

    hive> select ltrim(' abc ') from dual;
    abc

    1. 右边去空格函数:rtrim

    语法: rtrim(string A)

    返回值: string

    说明:去除字符串右边的空格

    hive> select rtrim(' abc ') from dual;
    abc

    1. 正则表达式替换函数:regexp_replace

    语法: regexp_replace(string A, string B, string C)

    返回值: string

    说明:将字符串A中的符合java正则表达式B的部分替换为C。注意,在有些情况下要使用转义字符,类似oracle中的regexp_replace函数。

    hive> select regexp_replace('foobar', 'oo|ar', '') from dual;
    fb

    1. 正则表达式解析函数:regexp_extract

    语法: regexp_extract(string subject, string pattern, int index)

    返回值: string

    说明:将字符串subject按照pattern正则表达式的规则拆分,返回index指定的字符。

    第三个参数:

    0 是显示与之匹配的整个字符串

    1 是显示第一个括号里面的

    2 是显示第二个括号里面的字段

    hive> select regexp_extract('foothebar', 'foo(.?)(bar)', 1) from dual;
    the
    hive> select regexp_extract('foothebar', 'foo(.
    ?)(bar)', 2) from dual;
    bar
    hive> select regexp_extract('foothebar', 'foo(.*?)(bar)', 0) from dual;
    foothebar
    hive> select regexp_extract('中国abc123!','[\u4e00-\u9fa5]+',0) from dual; //实用:只匹配中文
    hive> select regexp_replace('中国abc123','[\u4e00-\u9fa5]+','') from dual; //实用:去掉中文
    注意,在有些情况下要使用转义字符,等号要用双竖线转义,这是java正则表达式的规则。

    1. URL解析函数:parse_url

    语法: parse_url(string urlString, string partToExtract [, string keyToExtract])

    返回值: string

    说明:返回URL中指定的部分。partToExtract的有效值为:HOST, PATH, QUERY, REF, PROTOCOL, AUTHORITY, FILE, and USERINFO.

    hive> select parse_url('http://facebook.com/path1/p.php?k1=v1&k2=v2#Ref1', 'HOST') from dual;
    facebook.com
    hive> select parse_url('http://facebook.com/path1/p.php?k1=v1&k2=v2#Ref1', 'QUERY', 'k1') from dual;
    v1

    1. json解析函数:get_json_object

    语法: get_json_object(string json_string, string path)

    返回值: string

    说明:解析json的字符串json_string,返回path指定的内容。如果输入的json字符串无效,那么返回NULL。

    hive>select get_json_object('{"nation":"china"}','$.nation') from dual;
    china

    1. 空格字符串函数:space

    语法: space(int n)

    返回值: string

    说明:返回长度为n的空字符串

    hive> select space(10) from dual;
    hive> select length(space(10)) from dual;
    10

    1. 重复字符串函数:repeat

    语法: repeat(string str, int n)

    返回值: string

    说明:返回重复n次后的str字符串

    hive> select repeat('abc',5) from dual;
    abcabcabcabcabc

    1. 首字符ascii函数:ascii

    语法: ascii(string str)

    返回值: int

    说明:返回字符串str第一个字符的ascii码

    hive> select ascii('abcde') from dual;
    97

    1. 左补足函数:lpad(常用来不足长度不足的字符串,然后进行截取)

    语法: lpad(string str, int len, string pad)

    返回值: string

    说明:将str进行用pad进行左补足到len位

    hive> select lpad('abc',10,'td') from dual;
    tdtdtdtabc
    注意:与GP,ORACLE不同,pad 不能默认

    1. 右补足函数:rpad

    语法: rpad(string str, int len, string pad)

    返回值: string

    说明:将str进行用pad进行右补足到len位

    hive> select rpad('abc',10,'td') from dual;
    abctdtdtdt

    1. 分割字符串函数: split,跟底层MR中的split方法功能一样。

    语法: split(string str, string pat)

    返回值: array

    说明: 按照pat字符串分割str,会返回分割后的字符串数组

    hive> select split('abtcdtef','t') from dual;
    ["ab","cd","ef"]

    1. 集合查找函数: find_in_set

    语法: find_in_set(string str, string strList)

    返回值: int

    说明: 返回str在strlist第一次出现的位置,strlist是用逗号分割的字符串。如果没有找该str字符,则返回0

    hive> select find_in_set('ab','ef,ab,de') from dual;
    2
    hive> select find_in_set('at','ef,ab,de') from dual;
    0
    23、在一个字符串中搜索指定的字符,返回发现指定的字符的位置: INSTR(string C1,string C2,int I,int J)

    返回:int。substr在str中第一次出现的位置,若任何参数为null返回null,若substr不在str中返回0,Str中第一个字符的位置为1

    说明:C1 被搜索的字符串

    C2 希望搜索的字符串

    I 搜索的开始位置,默认为1

    J 出现的位置,默认为1

    hive> select instr("abcde",'b') from dual;
    2

    24、使用两个分隔符将文本拆分为键值对:str_to_map(text[, delimiter1, delimiter2])

    返回:map

    Delimiter1将文本分成K-V对,Delimiter2分割每个K-V对。对于delimiter1默认分隔符是',',对于delimiter2默认分隔符是'='

    hive> select str_to_map('aaa:123&bbb:456', '&', ':') from dual;
    {"bbb":"456","aaa":"123"}

    25、unix_timestamp() 返回当前时间戳。另外,current_timestamp() 也有同样作用。

    unix_timestamp(string date) 返回 date 对应的时间戳,date 格式必须为 yyyy-MM-dd HH:mm:ss。

    unix_timestamp(string date, string format) 返回 date 对应的时间戳,date 格式由 format 指定。

    hive> select unix_timestamp();
    1568552090
    hive> select unix_timestamp('2020-01-01 01:01:01');
    1577811661
    hive> select unix_timestamp('2020-01-01','yyyy-MM-dd');
    1577808000

    26、from_unixtime(int/bigint timestamp) 返回 timestamp 时间戳对应的日期,格式为 yyyy-MM-dd HH:mm:ss。

    from_unixtime(int/bigint timestamp, string format) 返回 timestamp 时间戳对应的日期,格式由 format 指定。

    hive> select from_unixtime(1577811661);
    2020-01-01 01:01:01
    hive> select from_unixtime(1577811661,'yyyy/MM/dd HH');
    2020/01/01 01

    相关文章

      网友评论

          本文标题:Hive中常用的字符串操作

          本文链接:https://www.haomeiwen.com/subject/otwfoktx.html