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)

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])

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])

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

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])

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。

注意:任何haystack字符串的长度必须小于232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])

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])

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])

multiFuzzyMatchAny相同,但返回匹配项的匹配能容的索引位置。

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。

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_

% 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haystackneedle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needlehaystack超过32KB,函数将抛出异常。如果非常量的haystackneedle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)

ngramDistance相同,但计算needlehaystack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

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。