1. 字符 ascii 码函数:ascii

语法: ascii(string str)

返回值: int

说明:返回字符串 str 中第一个字符的ascii 码

举例:

hive> select ascii('ba') from test;
OK
98

2. base64 字符串

语法: base64(binary bin)

返回值: string

说明:返回二进制 bin 的 base 编码字符串

举例:

hive> select base64(binary('test')) from test;
OK
bHh3MTIzNA==

3. 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

举例:

hive> select concat(‘abc’,'def’,'gh’) from test;
abcdefgh

4. 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

举例:

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

5. 数组转换成字符串的函数: concat_ws

语法: concat_ws(string SEP, array<string>)

返回值: string

说明:返回将数组链接成字符串后的结果,SEP 表示各个字符串间的分隔符

举例:

hive> select concat_ws('|',array('a','b','c')) fromtest;
OK
a|b|c

6. 小数位格式化成字符串函数: format_number

语法: format_number(number x, int d)

返回值: string

说明:将数值 x 的小数位格式化成 d 位,四舍五入

举例:

hive> select format_number(5.23456,3) from test;
OK
5.235

7. 字符串截取函数:substr,substring

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

返回值: string

说明:返回字符串 A 从 start 位置到结尾的字符串

举例:

hive> select substr('abcde',3) from test;
cde
hive> select substring('abcde',3) from test;
cde
hive> select substr('abcde',-1) from test; (和 ORACLE 相同)
e

8. 字符串截取函数:substr,substring

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

举例:

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

9. 字符串查找函数: instr

语法: instr(string str, string substr)

返回值: int

说明:返回字符串 substr 在 str 中首次出现的位置

举例:

hive> select instr('abcdf','df') from test;
OK
4

10. 字符串长度函数: length

语法: length(string A)

返回值: int

说明:返回字符串的长度

举例:

hive> select length('abc') from test;
OK
3

11. 字符串查找函数:locate

语法: locate(string substr, string str[, int pos])

返回值: int

说明:返回字符串 substr 在 str 中从 pos 后查找,首次出现的位置

举例:

hive> select locate('a','abcda',1) from test;
OK
1
hive> select locate('a','abcda',2) from test;
OK
5

12. 字符串格式化函数:printf

语法: printf(String format, Obj... args)

返回值: string

说明:将指定对象用 format 格式进行格式化.

举例:

hive> select printf("%08X",123) from test;
OK
0000007B

13. 字符串转换成 map 函数: str_to_map

语法: str_to_map(text[, delimiter1, delimiter2])

返回值: map<string,string>

说明:将字符串按照给定的分隔符转换成 map 结构.

举例:

hive> select str_to_map('k1:v1,k2:v2') from test;
OK
{"k2":"v2","k1":"v1"}
hive> select str_to_map('k1=v1,k2=v2',',','=') fromtest;
OK
{"k2":"v2","k1":"v1"}

14. base64 解码函数:unbase64(string str)

语法: unbase64(string str)

返回值: binary

说明:将给定的 base64 字符串解码成二进制.

举例:

hive> select unbase64('bHh3MTIzNA==') from test;
OK
test

15. 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

举例:

hive> select upper('abSEd') from test;
ABSED
hive> select ucase('abSEd') from test;
ABSED

16. 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

举例:

hive> select lower('abSEd') from test;
absed
hive> select lcase('abSEd') from test;
absed

17. 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

举例:

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

18. 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

举例:

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

19. 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

举例:

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

20. 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。

举例:

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

21. 正则表达式解析函数:regexp_extract

语法: regexp_extract(string subject, string pattern, intindex)

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。

举例:

hive> select regexp_extract('foothebar','foo(.*?)(bar)', 1) from test;
the
hive> select regexp_extract('foothebar','foo(.*?)(bar)', 2) from test;
bar
hive> select regexp_extract('foothebar', 'foo(.*?)(bar)', 0)from test;
foothebar

注意,在有些情况下要使用转义字符,下面的等号要用双竖线转义,这是 java 正则表达式的规则。

select data_field,
regexp_extract(data_field,'.*?bgStart\\=([^&]+)',1) as aaa,
regexp_extract(data_field,'.*?contentLoaded_headStart\\=([^&]+)',1)as bbb,
regexp_extract(data_field,'.*?AppLoad2Req\\=([^&]+)',1) asccc
from pt_nginx_loginlog_st
where pt = '2012-03-26' limit 2;

22. URL 解析函数:parse_url

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

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.

举例:

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

23. 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。

举例:

hive> select get_json_object('{"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"
> }
> ','$.owner') from test;
amy

24. 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 的字符串

举例:

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

10

25. 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

举例:

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

26. 左补足函数:lpad

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

举例:

hive> select lpad('abc',10,'td') from test;
tdtdtdtabc

注意:与 GP,ORACLE 不同,pad 不能默认

27. 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

举例:

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

28. 分割字符串函数: split

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

举例:

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

29. 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。如果没有找到该 str 字符,则返回 0

举例:

hive> select find_in_set('ab','ef,ab,de') from test;
2
hive> select find_in_set('at','ef,ab,de') from test;
0

30. 分词函数:sentences

语法: sentences(string str, string lang, string locale)

返回值: array<array<string>>

说明:返回输入 str 分词后的单词数组

举例:

hive> select sentences('hello word!hello hive,hi hive,hellohive') from test;
OK
[["hello","word"],["hello","hive","hi","hive","hello","hive"]]

31. 分词后统计一起出现频次最高的 TOP-K

语法: ngrams(array<array<string>>, int N, intK, int pf)

返回值: array<struct<string,double>>

说明:与 sentences()函数一起使用,分词后,统计分词结果中一起出现频次最高的TOP-K 结果

举例:

hive> SELECT ngrams(sentences('hello word!hellohive,hi hive,hello hive'),2,2) FROM
test;
[{"ngram":["hello","hive"],"estfrequency":2.0},{"ngram":["hive","hello"],"estfrequency":1.0}]

该查询中,统计的是两个词在一起出现频次最高的 TOP-2

结果中,hello 与 hive 同时出现 2 次

32. 分词后统计与指定单词一起出现频次最高的 TOP-K

语法: context_ngrams(array<array<string>>,array<string>, int K, int pf)

返回值: array<struct<string,double>>

说明:与 sentences()函数一起使用,分词后,统计分词结果中与数组中指定的单词一起出现(包括顺序)频次最高的 TOP-K 结果

举例:

hive>
SELECT
context_ngrams(sentences('hello
word!hello
hive,hi
hive,hello
hive'),array('hello',null),3) FROM test;
[{"ngram":["hive"],"estfrequency":2.0},{"ngram":["word"],"estfrequency":1.0}]

该查询中,统计的是与’hello’一起出现,并且在 hello 后面的频次最高的TOP-3

结果中,hello 与 hive 同时出现 2 次,hello 与 word 同时出现 1 次。

hive>
SELECT
context_ngrams(sentences('hello
word!hello
hive,hi
hive,hello
hive'),array(null,'hive'),3) FROM test;
[{"ngram":["hello"],"estfrequency":2.0},{"ngram":["hi"],"estfrequency":1.0}]

该查询中,统计的是与’hive’一起出现,并且在 hive 之前的频次最高的 TOP-3