字符串处理函数
empty
检查输入字符串是否为空。如果字符串包含至少一个字节，即使该字节是空格或空字节，也被认为是非空的。
语法
参数
x— 输入值。 字符串。
返回值
- 对于空字符串返回
1，对于非空字符串返回0。 UInt8。
示例
结果：
notEmpty
检查输入字符串是否非空。如果字符串包含至少一个字节，即使该字节是空格或空字节，也被认为是非空的。
语法
参数
x— 输入值。 字符串。
返回值
- 对于非空字符串返回
1，对于空字符串返回0。 UInt8。
示例
结果：
length
返回字符串的字节长度，而不是字符或 Unicode 代码点的长度。该函数也适用于数组。
别名：OCTET_LENGTH
语法
参数
返回值
- 字符串或数组
s的字节长度。 UInt64。
示例
查询：
结果：
查询：
结果：
lengthUTF8
返回字符串的 Unicode 代码点长度，而不是字节或字符的长度。假设字符串包含有效的 UTF-8 编码文本。如果违反此假设，则不会抛出异常，结果是未定义的。
别名：
CHAR_LENGTHCHARACTER_LENGTH
语法
参数
s— 包含有效的 UTF-8 编码文本的字符串。 字符串。
返回值
- 字符串
s的 Unicode 代码点长度。 UInt64。
示例
查询：
结果：
left
返回从左侧开始的字符串 s 的子字符串，指定 offset。
语法
参数
返回值
- 对于正
offset：从字符串左侧开始的s的子字符串，长度为offset个字节。 - 对于负
offset：从字符串左侧开始的s的子字符串，长度为length(s) - |offset|个字节。 - 如果
length为 0，则返回空字符串。
示例
查询：
结果：
查询：
结果：
leftUTF8
返回带有指定 offset 的 UTF-8 编码字符串 s 的子字符串，从左开始。
语法
参数
返回值
- 对于正
offset：从字符串左侧开始的s的子字符串，长度为offset个字节。 - 对于负
offset：从字符串左侧开始的s的子字符串，长度为length(s) - |offset|个字节。 - 如果
length为 0，则返回空字符串。
示例
查询：
结果：
查询：
结果：
leftPad
从左侧用空格或指定字符串（如有需要可多次填充）填充字符串，直到结果字符串达到指定的 length。
语法
别名：LPAD
参数
string— 输入字符串，需进行填充。 字符串。length— 结果字符串的长度。 UInt 或 Int。如果该值小于输入字符串长度，则输入字符串缩短为length个字符。pad_string— 用于填充输入字符串的字符串。 字符串。可选。如果未指定，则用空格填充输入字符串。
返回值
- 给定长度的左填充字符串。 字符串。
示例
结果：
leftPadUTF8
从左侧用空格或指定字符串（如有需要可多次填充）填充字符串，直到结果字符串达到给定长度。与 leftPad 不同，后者测量字符串长度为字节，而此字符串长度按代码点测量。
语法
参数
string— 输入字符串，需进行填充。 字符串。length— 结果字符串的长度。 UInt 或 Int。如果该值小于输入字符串长度，则输入字符串缩短为length个字符。pad_string— 用于填充输入字符串的字符串。 字符串。可选。如果未指定，则用空格填充输入字符串。
返回值
- 给定长度的左填充字符串。 字符串。
示例
结果：
right
返回从右侧开始的字符串 s 的子字符串，指定 offset。
语法
参数
返回值
- 对于正
offset：从字符串右侧开始的s的子字符串，长度为offset个字节。 - 对于负
offset：从字符串右侧开始的s的子字符串，长度为length(s) - |offset|个字节。 - 如果
length为 0，则返回空字符串。
示例
查询：
结果：
查询：
结果：
rightUTF8
返回 UTF-8 编码字符串 s 的子字符串，指定 offset 从右侧开始。
语法
参数
返回值
- 对于正
offset：从字符串右侧开始的s的子字符串，长度为offset个字节。 - 对于负
offset：从字符串右侧开始的s的子字符串，长度为length(s) - |offset|个字节。 - 如果
length为 0，则返回空字符串。
示例
查询：
结果：
查询：
结果：
rightPad
从右侧用空格或指定字符串（如有需要可多次填充）填充字符串，直到结果字符串达到指定的 length。
语法
别名：RPAD
参数
string— 输入字符串，需进行填充。 字符串。length— 结果字符串的长度。 UInt 或 Int。如果该值小于输入字符串长度，则输入字符串缩短为length个字符。pad_string— 用于填充输入字符串的字符串。 字符串。可选。如果未指定，则用空格填充输入字符串。
返回值
- 给定长度的右填充字符串。 字符串。
示例
结果：
rightPadUTF8
从右侧用空格或指定字符串（如有需要可多次填充）填充字符串，直到结果字符串达到给定长度。与 rightPad 不同，后者测量字符串长度为字节，而此字符串长度按代码点测量。
语法
参数
string— 输入字符串，需进行填充。 字符串。length— 结果字符串的长度。 UInt 或 Int。如果该值小于输入字符串长度，则输入字符串缩短为length个字符。pad_string— 用于填充输入字符串的字符串。 字符串。可选。如果未指定，则用空格填充输入字符串。
返回值
- 给定长度的右填充字符串。 字符串。
示例
结果：
compareSubstrings
对两个字符串进行词典序比较。
语法
参数
string1— 第一个要比较的字符串。 字符串string2- 第二个要比较的字符串。 字符串string1_offset— 在string1中进行比较的起始位置（从零开始）。 UInt*。string2_offset— 在string2中进行比较的起始位置（从零开始的索引）。 UInt*。num_bytes— 在两个字符串中要比较的最大字节数。如果string_offset+num_bytes超出输入字符串的结尾，num_bytes将相应减少。 UInt*。
返回值
- -1 — 如果
string1[string1_offset:string1_offset+num_bytes] <string2[string2_offset:string2_offset+num_bytes]。 - 0 — 如果
string1[string1_offset:string1_offset+num_bytes] =string2[string2_offset:string2_offset+num_bytes]。 - 1 — 如果
string1[string1_offset:string1_offset+num_bytes] >string2[string2_offset:string2_offset+num_bytes]。
示例
查询：
结果：
lower
将字符串中的 ASCII 拉丁字母转换为小写。
语法
别名：lcase
参数
input：字符串类型 字符串。
返回值
- 一个 字符串 数据类型的值。
示例
查询：
结果：
upper
将字符串中的 ASCII 拉丁字母转换为大写。
语法
别名：ucase
参数
input— 字符串类型 字符串。
返回值
- 一个 字符串 数据类型的值。
示例
查询：
结果：
lowerUTF8
将字符串转换为小写，假设字符串包含有效的 UTF-8 编码文本。如果违反此假设，则不会抛出异常，结果是未定义的。
不识别语言，例如对于土耳其语，结果可能不完全正确 (i/İ vs. i/I)。如果 UTF-8 字节序列的长度对于某个代码点的大写和小写不同（如 ẞ 和 ß），该代码点的结果可能不正确。
语法
参数
input— 字符串类型 字符串。
返回值
- 一个 字符串 数据类型的值。
示例
查询：
结果：
upperUTF8
将字符串转换为大写，假设字符串包含有效的 UTF-8 编码文本。如果违反此假设，则不会抛出异常，结果是未定义的。
不识别语言，例如对于土耳其语，结果可能不完全正确 (i/İ vs. i/I)。如果 UTF-8 字节序列的长度对于某个代码点的大写和小写不同（如 ẞ 和 ß），该代码点的结果可能不正确。
语法
参数
input— 字符串类型 字符串。
返回值
- 一个 字符串 数据类型的值。
示例
查询：
结果：
isValidUTF8
返回 1，如果字节集构成有效的 UTF-8 编码文本，否则返回 0。
语法
参数
input— 字符串类型 字符串。
返回值
- 如果字节集构成有效的 UTF-8 编码文本，则返回
1，否则返回0。
查询：
结果：
toValidUTF8
用 � (U+FFFD) 字符替换无效的 UTF-8 字符。连续的无效字符会合并为一个替换字符。
语法
参数
input_string— 任何以 字符串 数据类型表示的字节集。
返回值
- 一个有效的 UTF-8 字符串。
示例
结果：
repeat
将字符串连接自身指定次数。
语法
别名：REPEAT
参数
s— 要重复的字符串。 字符串。n— 重复字符串的次数。 UInt* 或 Int*。
返回值
一个包含字符串 s 重复 n 次的字符串。如果 n <= 0，则此函数返回空字符串。 字符串。
示例
结果：
space
将空格（ ）连接自身指定次数。
语法
别名：SPACE。
参数
n— 重复空格的次数。 UInt* 或 Int*。
返回值
包含字符串 重复 n 次的字符串。如果 n <= 0，则此函数返回空字符串。 字符串。
示例
查询：
结果：
reverse
反转字符串中的字节序列。
reverseUTF8
反转字符串中的 Unicode 代码点序列。假设字符串包含有效的 UTF-8 编码文本。如果违反此假设，则不会抛出异常，结果是未定义。
concat
连接给定的参数。
语法
参数
任意类型的值。
类型不是 字符串 或 固定字符串 的参数会使用其默认序列化转换为字符串。由于这样会降低性能，不建议使用非字符串/固定字符串参数。
返回值
通过连接参数创建的字符串。
如果任何参数为 NULL，则函数返回 NULL。
示例
查询：
结果：
查询：
结果：
|| 运算符使用 || 运算符进行字符串连接，作为 concat() 的简洁替代方案。例如，'Hello, ' || 'World!' 相当于 concat('Hello, ', 'World!')。
concatAssumeInjective
类似于 concat，但假设 concat(s1, s2, ...) → sn 是单射。如果用于 GROUP BY 优化，可以使用。
如果函数对于不同的参数返回不同的结果，则称该函数为单射。换句话说，不同的参数永远不会产生相同的结果。
语法
参数
类型为字符串或固定字符串的值。
返回值
通过连接参数创建的字符串。
如果任何参数值为 NULL，则函数返回 NULL。
示例
输入表：
结果：
concatWithSeparator
使用给定的分隔符连接指定的字符串。
语法
别名：concat_ws
参数
- sep — 分隔符。常量 字符串 或 固定字符串。
- exprN — 要连接的表达式。类型不是 字符串 或 固定字符串 的参数会使用其默认序列化转换为字符串。由于这样会降低性能，不建议使用非字符串/固定字符串参数。
返回值
通过连接参数创建的字符串。
如果任何参数值为 NULL，则函数返回 NULL。
示例
结果：
concatWithSeparatorAssumeInjective
类似于 concatWithSeparator，但假设 concatWithSeparator(sep, expr1, expr2, expr3...) → result 是单射。如果用于 GROUP BY 优化，可以使用。
substring
返回字符串 s 中在指定字节索引 offset 开始的子字符串。字节计数从 1 开始。如果 offset 为 0，返回空字符串。如果 offset 为负数，则子字符串从字符串末尾向前开始 pos 个字符，而不是从开头。可选参数 length 指定返回的子字符串的最大字节数。
语法
别名：
substrmidbyteSlice
参数
s— 要从中计算子字符串的字符串。 字符串、 固定字符串 或 枚举offset— 子字符串在s中的起始位置。 (U)Int*。length— 子字符串的最大长度。 (U)Int*。可选。
返回值
一个在索引 offset 处开始，长度为 length 的子字符串。 字符串。
示例
结果：
substringUTF8
返回字符串 s 中在指定字节索引 offset 开始的子字符串，专门针对 Unicode 代码点。字节计数从 1 开始。如果 offset 为 0，返回空字符串。如果 offset 为负数，则子字符串从字符串末尾向前开始 pos 个字符，而不是从开头。可选参数 length 指定返回的子字符串的最大字节数。
假设字符串包含有效的 UTF-8 编码文本。如果违反此假设，则不会抛出异常，结果是未定义的。
语法
参数
s— 要从中计算子字符串的字符串。 字符串、 固定字符串 或 枚举offset— 子字符串在s中的起始位置。 (U)Int*。length— 子字符串的最大长度。 (U)Int*。可选。
返回值
一个在索引 offset 处开始，长度为 length 的子字符串。
实现细节
假设字符串包含有效的 UTF-8 编码文本。如果违反此假设，则不会抛出异常，结果是未定义的。
示例
substringIndex
返回字符串 s 中在 count 次出现分隔符 delim 之前的子字符串，类似于 Spark 或 MySQL。
语法
别名：SUBSTRING_INDEX
参数
- s — 要提取子字符串的字符串。 字符串。
- delim — 分隔的字符。 字符串。
- count — 提取子字符串前要计算的分隔符出现次数。如果 count 为正，则返回最后一个分隔符左侧的所有内容（从左计数）。如果 count 为负，则返回最后一个分隔符右侧的所有内容（从右计数）。 UInt 或 Int
示例
结果：
substringIndexUTF8
返回字符串 s 中在 count 次出现分隔符 delim 之前的子字符串，特别针对 Unicode 代码点。
假设字符串包含有效的 UTF-8 编码文本。如果违反此假设，则不会抛出异常，结果是未定义的。
语法
参数
s— 要提取子字符串的字符串。 字符串。- delim — 分隔的字符。 字符串。
- count — 提取子字符串前要计算的分隔符出现次数。如果 count 为正，则返回最后一个分隔符左侧的所有内容（从左计数）。如果 count 为负，则返回最后一个分隔符右侧的所有内容（从右计数）。 UInt 或 Int
返回值
一个字符串 字符串，它是在 count 次出现 delim 之前的 s 的子字符串。
实现细节
假设字符串包含有效的 UTF-8 编码文本。如果违反此假设，则不会抛出异常，结果是未定义的。
示例
appendTrailingCharIfAbsent
如果 s 非空且不以字符 c 结尾，则将字符 c 附加到字符串 s。
语法
convertCharset
返回从编码 from 转换为编码 to 的字符串 s。
语法
base32Encode
使用 Base32 编码字符串。
语法
参数
plaintext— 字符串 列或常量。
返回值
示例
结果：
base32Decode
接受一个字符串并使用 Base32 编码方案进行解码。
语法
参数
返回值
- 一个包含参数解码值的字符串。 字符串。
示例
结果：
tryBase32Decode
像 base32Decode，但在发生错误时返回空字符串。
语法
参数
返回值
- 一个包含参数解码值的字符串。
示例
查询：
结果：
base58Encode
使用 Base58 在“比特币”字母表中对字符串进行编码。
语法
参数
plaintext— 字符串 列或常量。
返回值
示例
结果：
base58Decode
接受一个字符串并使用 Base58 编码方案，在“比特币”字母表中进行解码。
语法
参数
返回值
- 一个包含参数解码值的字符串。 字符串。
示例
结果：
tryBase58Decode
像 base58Decode，但在发生错误时返回空字符串。
语法
参数
返回值
- 一个包含参数解码值的字符串。
示例
查询：
结果：
base64Encode
将字符串或固定字符串编码为 base64，符合 RFC 4648。
别名：TO_BASE64。
语法
参数
plaintext— 字符串 列或常量。
返回值
- 一个包含参数编码值的字符串。
示例
结果：
base64URLEncode
将 URL（字符串或固定字符串）编码为 base64，并进行 URL 特定的修改，符合 RFC 4648。
语法
参数
url— 字符串 列或常量。
返回值
- 一个包含参数编码值的字符串。
示例
结果：
base64Decode
接受一个字符串并将其从 base64 解码，符合 RFC 4648。在发生错误时抛出异常。
别名：FROM_BASE64。
语法
参数
encoded— 字符串 列或常量。如果字符串不是有效的 base64 编码值，则抛出异常。
返回值
- 一个包含参数解码值的字符串。
示例
结果：
base64URLDecode
接受一个 base64 编码的 URL，并从 base64 解码，符合 URL 特定的修改，符合 RFC 4648。在发生错误时抛出异常。
语法
参数
encodedURL— 字符串 列或常量。如果字符串不是有效的 base64 编码值并进行 URL 特定的修改，则抛出异常。
返回值
- 一个包含参数解码值的字符串。
示例
结果：
tryBase64Decode
像 base64Decode，但在发生错误时返回空字符串。
语法
参数
encoded— 字符串 列或常量。如果字符串不是有效的 base64 编码值，则返回空字符串。
返回值
- 一个包含参数解码值的字符串。
示例
查询：
结果：
tryBase64URLDecode
像 base64URLDecode，但在发生错误时返回空字符串。
语法
参数
encodedURL— 字符串 列或常量。如果字符串不是有效的 base64 编码值并进行 URL 特定的修改，则返回空字符串。
返回值
- 一个包含参数解码值的字符串。
示例
查询：
结果：
endsWith
返回字符串 str 是否以 suffix 结尾。
语法
endsWithUTF8
返回字符串 str 是否以 suffix 结尾，endsWithUTF8 与 endsWith 的区别在于 endsWithUTF8 通过 UTF-8 字符匹配 str 和 suffix。
语法
示例
结果：
startsWith
返回字符串 str 是否以 prefix 开头。
语法
示例
startsWithUTF8
返回字符串 str 是否以 prefix 开头，startsWithUTF8 与 startsWith 的区别在于 startsWithUTF8 通过 UTF-8 字符匹配 str 和 prefix。
示例
结果：
trim
移除字符串开头或结尾的指定字符。如果未另行指定，则该函数移除空白字符（ASCII 字符 32）。
语法
参数
返回值
一个没有前导和/或尾随指定字符的字符串。 字符串。
示例
结果：
trimLeft
移除字符串开头连续出现的空白字符（ASCII 字符 32）。
语法
别名：ltrim。
参数
返回值
没有前导空白的字符串。 字符串。
示例
结果：
trimRight
从字符串的末尾移除连续的空白字符 (ASCII 字符 32)。
语法
别名: rtrim.
参数
返回值
一个没有尾随常规空白字符的字符串。 String.
示例
结果：
trimBoth
从字符串的两端移除连续的空白字符 (ASCII 字符 32)。
语法
别名: trim.
参数
返回值
一个没有前导和尾随常规空白字符的字符串。 String.
示例
结果：
CRC32
返回字符串的 CRC32 校验和，使用 CRC-32-IEEE 802.3 多项式和初始值 0xffffffff (zlib 实现)。
结果类型为 UInt32。
CRC32IEEE
返回字符串的 CRC32 校验和，使用 CRC-32-IEEE 802.3 多项式。
结果类型为 UInt32。
CRC64
返回字符串的 CRC64 校验和，使用 CRC-64-ECMA 多项式。
结果类型为 UInt64。
normalizeUTF8NFC
将字符串转换为 NFC 规范化形式，假设字符串是有效的 UTF8 编码文本。
语法
参数
words— UTF8 编码的输入字符串。 String.
返回值
- 转换为 NFC 规范化形式的字符串。 String.
示例
结果：
normalizeUTF8NFD
将字符串转换为 NFD 规范化形式，假设字符串是有效的 UTF8 编码文本。
语法
参数
words— UTF8 编码的输入字符串。 String.
返回值
- 转换为 NFD 规范化形式的字符串。 String.
示例
结果：
normalizeUTF8NFKC
将字符串转换为 NFKC 规范化形式，假设字符串是有效的 UTF8 编码文本。
语法
参数
words— UTF8 编码的输入字符串。 String.
返回值
- 转换为 NFKC 规范化形式的字符串。 String.
示例
结果：
normalizeUTF8NFKD
将字符串转换为 NFKD 规范化形式，假设字符串是有效的 UTF8 编码文本。
语法
参数
words— UTF8 编码的输入字符串。 String.
返回值
- 转换为 NFKD 规范化形式的字符串。 String.
示例
结果：
encodeXMLComponent
转义具有特殊含义的 XML 字符，以便可以随后放入 XML 文本节点或属性中。
以下字符被替换: <, &, >, ", '。
另请参见 XML 和 HTML 字符实体引用列表。
语法
参数
x— 输入字符串。 String.
返回值
- 转义后的字符串。 String.
示例
结果：
decodeXMLComponent
对具有特殊含义的 XML 子字符串进行解转义。这些子字符串为: " & ' > <
该函数还用 Unicode 字符替换数字字符引用。支持十进制（如 ✓）和十六进制（✓）两种形式。
语法
参数
x— 输入字符串。 String.
返回值
- 解转义后的字符串。 String.
示例
结果：
decodeHTMLComponent
对具有特殊含义的 HTML 子字符串进行解转义。例如: ℏ > ♦ ♥ < 等。
该函数还用 Unicode 字符替换数字字符引用。支持十进制（如 ✓）和十六进制（✓）两种形式。
语法
参数
x— 输入字符串。 String.
返回值
- 解转义后的字符串。 String.
示例
结果：
extractTextFromHTML
此函数从 HTML 或 XHTML 中提取纯文本。
它并不完全符合 HTML、XML 或 XHTML 规范，但实现相当准确且快速。规则如下：
- 跳过注释。例如:
<!-- test -->。注释必须以-->结束。不允许嵌套注释。 注意: 像<!-->和<!--->这样的结构在 HTML 中不是有效的注释，但它们会被其他规则跳过。 - CDATA 被逐字粘贴。注意: CDATA 是 XML/XHTML 特有的，并在“尽力而为”的基础上进行处理。
script和style元素以及其所有内容均被移除。注意: 假定闭合标签不能出现在内容中。例如，在 JS 字符串字面值中必须像"<\/script>"一样转义。 注意: 在script或style中可能存在注释和 CDATA - 在这种情况下，不搜索闭合标签在 CDATA 之内。例如:<script><![CDATA[</script>]]></script>。但它们仍然在注释里面被搜索。有时变得复杂:<script>var x = "<!--"; </script> var y = "-->"; alert(x + y);</script>。 注意:script和style可以是 XML 名称空间的名称 - 那样它们不会像通常的script或style元素那样处理。例如:<script:a>Hello</script:a>。 注意: 闭合标签名称后可能有空白:</script >，但闭合标签前不能有空白:< / script>。- 跳过没有内部内容的其他标签或类似标签的元素。例如:
<a>.</a>。 注意: 预计此 HTML 是非法的:<a test=">"></a>。 注意: 它还会跳过类似标签的东西:<>,<!>等。 注意: 没有结尾的标签会跳到输入的末尾:<hello。 - HTML 和 XML 实体不会被解码。它们必须由单独的函数处理。
- 文本中的空白被折叠或按特定规则插入。
- 移除开头和结尾的空白。
- 连续的空白被折叠。
- 但是如果文本被其他元素分隔且没有空白，则会插入空白。
- 这可能导致不自然的示例:
Hello<b>world</b>，Hello<!-- -->world- 在 HTML 中没有空白，但该函数插入了它。还要考虑:Hello<p>world</p>，Hello<br>world。这种行为对于数据分析是合理的，例如将 HTML 转换为词袋。
- 另请注意，正确处理空白需要支持
<pre></pre>和 CSSdisplay和white-space属性。
语法
参数
x— 输入文本。 String.
返回值
- 提取的文本。 String.
示例
第一个示例包含多个标签和一个注释，并且还显示了空白处理。
第二个示例显示了 CDATA 和 script 标签处理。
在第三个示例中，从通过 url 函数接收到的完整 HTML 响应中提取文本。
结果：
ascii
返回字符串 s 的第一个字符的 ASCII 代码点（作为 Int32）。
如果 s 为空，结果为 0。如果第一个字符不是 ASCII 字符或不属于 UTF-16 的 Latin-1 补充范围，则结果未定义。
语法
soundex
返回字符串的 Soundex 码。
语法
参数
val— 输入值。 String
返回值
- 输入值的 Soundex 码。 String
示例
结果：
punycodeEncode
返回字符串的 Punycode 表示。 该字符串必须为 UTF8 编码，否则行为未定义。
语法
参数
val— 输入值。 String
返回值
- 输入值的 Punycode 表示。 String
示例
结果：
punycodeDecode
返回一个 Punycode 编码字符串的 UTF8 编码明文。 如果未给出有效的 Punycode 编码字符串，则引发异常。
语法
参数
val— Punycode 编码字符串。 String
返回值
- 输入值的明文。 String
示例
结果：
tryPunycodeDecode
像 punycodeDecode 但如果未给出有效的 Punycode 编码字符串则返回空字符串。
idnaEncode
返回根据 国际化域名应用 (IDNA) 机制的域名的 ASCII 表示 (ToASCII 算法)。 输入字符串必须是 UTF 编码的并且可翻译为 ASCII 字符串，否则引发异常。 注意: 不执行百分比解码或修剪制表符、空格或控制字符。
语法
参数
val— 输入值。 String
返回值
- 根据 IDNA 机制的输入值的 ASCII 表示。 String
示例
结果：
tryIdnaEncode
像 idnaEncode 但在发生错误时返回空字符串而不是引发异常。
idnaDecode
返回根据 国际化域名应用 (IDNA) 机制的域名的 Unicode (UTF-8) 表示 (ToUnicode 算法)。
如果发生错误（例如因为输入无效），则返回输入字符串。
请注意，idnaEncode() 和 idnaDecode() 的重复应用不一定返回原始字符串，因为会进行大小写规范化。
语法
参数
val— 输入值。 String
返回值
- 根据 IDNA 机制的输入值的 Unicode (UTF-8) 表示。 String
示例
结果：
byteHammingDistance
计算两个字节字符串之间的 汉明距离。
语法
示例
结果：
别名: mismatches
stringJaccardIndex
计算两个字节字符串之间的 Jaccard 相似度指数。
语法
示例
结果：
stringJaccardIndexUTF8
与 stringJaccardIndex 类似，但适用于 UTF8 编码字符串。
editDistance
计算两个字节字符串之间的 编辑距离。
语法
示例
结果：
别名: levenshteinDistance
editDistanceUTF8
计算两个 UTF8 字符串之间的 编辑距离。
语法
示例
结果：
别名: levenshteinDistanceUTF8
damerauLevenshteinDistance
计算两个字节字符串之间的 Damerau-Levenshtein 距离。
语法
示例
结果：
jaroSimilarity
计算两个字节字符串之间的 Jaro 相似度。
语法
示例
结果：
jaroWinklerSimilarity
计算两个字节字符串之间的 Jaro-Winkler 相似度。
语法
示例
结果：
initcap
将每个单词的首字母转换为大写，其余字母转换为小写。单词是由非字母数字字符分隔的字母数字字符的序列。
因为 initCap 仅将每个单词的首字母转换为大写，因此您可能会观察到对于包含撇号或大写字母的单词的意外行为。例如：
将返回
这是已知的行为，目前没有计划对此进行修复。
语法
参数
val— 输入值。 String.
返回值
val中每个单词的首字母转换为大写。 String.
示例
查询：
结果：
initcapUTF8
与 initcap 类似，initcapUTF8 将每个单词的首字母转换为大写，其余字母转换为小写。假设字符串包含有效的 UTF-8 编码的文本。
如果这个假设被违反，则不抛出异常，结果未定义。
此函数不检测语言，例如对于土耳其语，结果可能不完全正确（i/İ 与 i/I）。 如果 UTF-8 字节序列的长度对于一个代码点的大小写不同，则该代码点的结果可能不正确。
语法
参数
val— 输入值。 String.
返回值
val中每个单词的首字母转换为大写。 String.
示例
查询：
结果：
firstLine
返回多行字符串中的第一行。
语法
参数
val— 输入值。 String
返回值
- 输入值的第一行或如果没有行分隔符则返回整个值。 String
示例
结果：
stringCompare
在字典顺序中比较两个字符串。
语法
参数
string1— 要比较的第一个字符串。 Stringstring2- 要比较的第二个字符串。Stringstring1_offset— 在string1中用于开始比较的位置（零基）。可选，正数。string2_offset— 在string2中用于开始比较的位置（零基）。可选，正数。num_bytes— 在两个字符串中要比较的最大字节数。如果string_offset+num_bytes超出输入字符串的末尾，则num_bytes将相应减少。
返回值
- -1 — 如果
string1[string1_offset:string1_offset+num_bytes] <string2[string2_offset:string2_offset+num_bytes] 且string1_offset< len(string1) 且string2_offset< len(string2)。 如果string1_offset>= len(string1) 且string2_offset< len(string2)。 - 0 — 如果
string1[string1_offset:string1_offset+num_bytes] =string2[string2_offset:string2_offset+num_bytes] 且string1_offset< len(string1) 且string2_offset< len(string2)。 如果string1_offset>= len(string1) 且string2_offset>= len(string2)。 - 1 — 如果
string1[string1_offset:string1_offset+num_bytes] >string2[string2_offset:string2_offset+num_bytes] 且string1_offset< len(string1) 且string2_offset< len(string2)。 如果string1_offset< len(string1) 且string2_offset>= len(string2)。
示例
结果：
结果：
sparseGrams
查找给定字符串中所有长度至少为 n 的子字符串，
其中子字符串的边界的 (n-1)-grams 的哈希值严格大于子字符串内部的任何 (n-1)-gram 的哈希值。
使用 crc32 作为哈希函数。
语法
参数
s— 输入字符串。 Stringmin_ngram_length— 提取的 ngram 的最小长度。默认值和最小值为 3。max_ngram_length— 提取的 ngram 的最大长度。默认值为 100。应不小于 'min_ngram_length'。
返回值
示例
结果：
sparseGramsUTF8
查找给定字符串中所有长度至少为 n 的子字符串，
其中子字符串的边界的 (n-1)-grams 的哈希值严格大于子字符串内部的任何 (n-1)-gram 的哈希值。
使用 crc32 作为哈希函数。
期望 UTF-8 字符串，如果无效的 UTF-8 序列则抛出异常。
语法
参数
s— 输入字符串。 Stringmin_ngram_length— 提取的 ngram 的最小长度。默认值和最小值为 3。max_ngram_length— 提取的 ngram 的最大长度。默认值为 100。应不小于 'min_ngram_length'。
返回值
示例
结果：
sparseGramsHashes
查找给定字符串中所有长度至少为 n 的子字符串的哈希值，
其中子字符串的边界的 (n-1)-grams 的哈希值严格大于子字符串内部的任何 (n-1)-gram 的哈希值。
使用 crc32 作为哈希函数。
语法
参数
s— 输入字符串。 Stringmin_ngram_length— 提取的 ngram 的最小长度。默认值和最小值为 3。max_ngram_length— 提取的 ngram 的最大长度。默认值为 100。应不小于 'min_ngram_length'。
返回值
示例
结果：
sparseGramsHashesUTF8
查找给定字符串中所有长度至少为 n 的子字符串的哈希值，
其中子字符串的边界的 (n-1)-grams 的哈希值严格大于子字符串内部的任何 (n-1)-gram 的哈希值。
使用 crc32 作为哈希函数。
期望 UTF-8 字符串，如果无效的 UTF-8 序列则抛出异常。
语法
参数
s— 输入字符串。 Stringmin_ngram_length— 提取的 ngram 的最小长度。默认值和最小值为 3。max_ngram_length— 提取的 ngram 的最大长度。默认值为 100。应不小于 'min_ngram_length'。
返回值
示例
结果：
stringBytesUniq
计算字符串中不同字节的数量。
语法
参数
s— 要分析的字符串。 String.
返回值
- 字符串中不同字节的数量。 UInt16.
示例
结果：
stringBytesEntropy
计算字符串中字节分布的香农熵。
语法
参数
s— 要分析的字符串。 String.
返回值
- 字符串中字节分布的香农熵。 Float64.
示例
结果：
