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 iteblog;
97
1
2
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 iteblog;
gfdecba
1
2
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’,'gh’) from iteblog;
abcdefgh
1
2
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 iteblog;
abc,def,gh
1
2
数组转换成字符串的函数：concat_ws
语法: concat_ws(string SEP, array)
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

hive> select concat_ws('|',array('a','b','c')) from iteblog;
OK
a|b|c
1
2
3
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

hive> select format_number(5.23456,3) from iteblog;
OK
5.235
1
2
3
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 iteblog;
cde
hive> select substring('abcde',3) from iteblog;
cde
hive>  select substr('abcde',-1) from iteblog;  （和ORACLE相同）
e
1
2
3
4
5
6
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 iteblog;
cd
hive> select substring('abcde',3,2) from iteblog;
cd
hive>select substring('abcde',-2,2) from iteblog;
de
1
2
3
4
5
6
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

hive> select instr('abcdf','df') from iteblog;
OK
4
1
2
3
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('abcedfg') from iteblog;
7
1
2
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

hive> select locate('a','abcda',1) from iteblog;
OK
1
Time taken: 0.391 seconds, Fetched: 1 row(s)
hive> select locate('a','abcda',2) from iteblog;
OK
5
Time taken: 0.406 seconds, Fetched: 1 row(s)
1
2
3
4
5
6
7
8
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.

hive> select printf("%08X",123) from iteblog;
OK
0000007B
1
2
3
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.

hive> select str_to_map('k1:v1,k2:v2') from iteblog;
OK
{"k2":"v2","k1":"v1"}
hive> select str_to_map('k1=v1,k2=v2',',','=') from iteblog;
OK
{"k2":"v2","k1":"v1"}
1
2
3
4
5
6
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

hive> select base64(binary('charles')) from iteblog;
OK
Y2hhcmxlcw==
1
2
3
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.

hive> select unbase64('Y2hhcmxlcw==') from iteblog;
OK
charles
1
2
3
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('abSEd') from iteblog;
ABSED
hive> select ucase('abSEd') from iteblog;
ABSED
1
2
3
4
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('abSEd') from iteblog;
absed
hive> select lcase('abSEd') from iteblog;
absed
1
2
3
4
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 iteblog;
abc
1
2
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 iteblog;
abc
1
2
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 iteblog;
abc
1
2
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 iteblog;
fb
1
2
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。

hive> select regexp_extract('foothebar', 'foo(.*?)(bar)', 1) from iteblog;
the
hive> select regexp_extract('foothebar', 'foo(.*?)(bar)', 2) from iteblog;
bar
hive> select regexp_extract('foothebar', 'foo(.*?)(bar)', 0) from iteblog;
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) as ccc
  from pt_nginx_loginlog_st
  where pt = '2012-03-26' limit 2;
1
2
3
4
5
6
7
8
9
10
11
12
13
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('https://www.iteblog.com/path1/p.php?k1=v1&k2=v2#Ref1', 'HOST') from iteblog;
facebook.com
hive> select parse_url('https://www.iteblog.com/path1/p.php?k1=v1&k2=v2#Ref1', 'QUERY', 'k1') from iteblog;
v1
1
2
3
4
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('{"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 iteblog;
amy
1
2
3
4
5
6
7
8
9
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

hive> select space(10) from iteblog;
hive> select length(space(10)) from iteblog;
10
1
2
3
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 iteblog;
abcabcabcabcabc
1
2
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

hive> select lpad('abc',10,'td') from iteblog;
tdtdtdtabc
1
2
注意： 与GP，ORACLE不同，pad 不能默认

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 iteblog;
abctdtdtdt
1
2
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

hive> select split('abtcdtef','t') from iteblog;
["ab","cd","ef"]
1
2
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 iteblog;
2
hive> select find_in_set('at','ef,ab,de') from iteblog;
0
1
2
3
4
分词函数：sentences
语法: sentences(string str, string lang, string locale)
返回值: array<array>
说明：返回输入 str 分词后的单词数组

hive> select sentences('hello word!hello hive,hi hive,hello hive') from iteblog;
OK
[["hello","word"],["hello","hive","hi","hive","hello","hive"]]
1
2
3
分词后统计一起出现频次最高的 TOP-K
语法: ngrams(array<array>, int N, int K, int pf)
返回值: array<struct<string,double>>
说明：与 sentences()函数一起使用，分词后，统计分词结果中一起出现频次最高的
TOP-K 结果

hive> SELECT ngrams(sentences('hello word!hello hive,hi hive,hello hive'),2,2) FROM
iteblog;
[{"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
1
2
3
4
5
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>, array, 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

hive> SELECT context_ngrams(sentences('hello word!hello hive,hi hive,hello
hive'),array('hello',null),3) FROM iteblog;
[{"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 iteblog;
[{"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
---------------------
【转载，仅作分享，侵删】
作者：storm_fury
来源：CSDN
原文：https://blog.csdn.net/weixin_43215250/article/details/88414574
版权声明：本文为博主原创文章，转载请附上博文链接！

奈斯，感谢分享