9.4. 字符串函数和操作符 #
本节描述用于检查和操作字符串值的函数和操作符。这里的字符串包括 character、character varying 和 text 类型的值。除非另有说明,下面列出的所有函数都适用于这些类型,但使用 character 类型时,应注意自动填充空格可能带来的影响。一些函数也为位串类型提供了原生实现。
SQL定义了一些字符串函数,它们使用关键字,而不是逗号来分隔参数。详情请见表 9.6,PostgreSQL也提供了这些函数使用正常函数调用语法的版本(见表 9.7)。
注意
在 PostgreSQL 8.3 之前,由于某些非字符串数据类型到 text 的隐式强制转换,这些函数也会悄然接受那些类型的值。由于这些强制转换经常产生出人意料的行为,它们已被移除。不过,字符串串接操作符(||)仍接受非字符串输入,只要至少一个输入属于字符串类型,如表 9.6所示。对于其他情况,如果需要重现以前的行为,可添加到 text 的显式强制转换。
表 9.6. SQL字符串函数和操作符
| 函数 | 返回类型 | 描述 | 示例 | 结果 |
|---|---|---|---|---|
| text | 字符串串接 | 'Post' || 'greSQL' | PostgreSQL |
或 | text | 一个输入为非字符串的字符串串接 | 'Value: ' || 42 | Value: 42 |
| int | 字符串中的位数 | bit_length('jose') | 32 |
或 | int | 字符串中的字符数 | char_length('jose') | 4 |
| text | 将字符串转换为小写 | lower('TOM') | tom |
| int | 字符串中的字节数 | octet_length('jose') | 4 |
| text | 替换子字符串 | overlay('Txxxxas' placing 'hom' from 2 for 4) | Thomas |
| int | 指定子字符串的位置 | position('om' in 'Thomas') | 3 |
| text | 提取子字符串 | substring('Thomas' from 2 for 3) | hom |
| text | 提取匹配 POSIX 正则表达式的子字符串。有关模式匹配的更多信息,参见第 9.7 节。 | substring('Thomas' from '...$') | mas |
| text | 提取匹配 SQL 正则表达式的子字符串。有关模式匹配的更多信息,参见第 9.7 节。 | substring('Thomas' from '%#"o_a#"_' for '#') | oma |
| text | 从 string 的开头、结尾或两端(默认为 both)移除仅由 characters 中字符(默认为空格)组成的最长字符串 | trim(both 'xyz' from 'yxTomxx') | Tom |
| text | 将字符串转换为大写 | upper('tom') | TOM |
还有其他字符串操作函数,列在表 9.7中。其中一些用于内部实现表 9.6中列出的 SQL 标准字符串函数。
表 9.7. 其他字符串函数
| 函数 | 返回类型 | 描述 | 示例 | 结果 |
|---|---|---|---|---|
| int | 参数首字符的 ASCII 码。对于 UTF8,返回该字符的 Unicode 码点。对于其他多字节编码,参数必须是 ASCII 字符。 | ascii('x') | 120 |
| text | 从 string 的开头和结尾移除仅由 characters 中字符(默认为空格)组成的最长字符串 | btrim('xyxtrimyyx', 'xyz') | trim |
| text | 指定编码值对应的字符。对于 UTF8,参数被视为 Unicode 码点。对于其他多字节编码,参数必须指定一个 ASCII 字符。不允许 NULL(0)字符,因为文本数据类型无法存储这样的字节。 | chr(65) | A |
| text | 串接所有参数的文本表示。忽略 NULL 参数。 | concat('abcde', 2, NULL, 22) | abcde222 |
| text | 使用分隔符串接除第一个参数以外的所有参数。第一个参数用作分隔字符串。忽略 NULL 参数。 | concat_ws(',', 'abcde', 2, NULL, 22) | abcde,2,22 |
| bytea | 将字符串转换为 dest_encoding。原编码由 src_encoding 指定。string 必须是该编码下的有效字符串。可以用 CREATE CONVERSION 定义转换。此外,也有一些预定义的转换。可用的转换见表 9.8。 | convert('text_in_utf8', 'UTF8', 'LATIN1') | 以 Latin-1 编码(ISO 8859-1)表示的 text_in_utf8 |
| text | 将字符串转换为数据库编码。原编码由 src_encoding 指定。string 必须是该编码下的有效字符串。 | convert_from('text_in_utf8', 'UTF8') | 以当前数据库编码表示的 text_in_utf8 |
| bytea | 将字符串转换为 dest_encoding。 | convert_to('some text', 'UTF8') | 以 UTF8 编码表示的 some text |
| bytea | 从 string 中的文本表示解码二进制数据。format 的选项与 encode 相同。 | decode('MTIzAAE=', 'base64') | \x3132330001 |
| text | 将二进制数据编码为文本表示。支持的格式为:base64、hex、escape。escape 将零字节和最高位为 1 的字节转换为八进制序列(\nnn),并将反斜杠双写。 | encode('123\000\001', 'base64') | MTIzAAE= |
| text | 根据格式字符串格式化参数。此函数类似于 C 函数 sprintf。参见第 9.4.1 节。 | format('Hello %s, %1$s', 'World') | Hello World, World |
| text | 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序列。 | initcap('hi THOMAS') | Hi Thomas |
| text | 返回字符串中的前 n 个字符。当 n 为负数时,返回除最后 |n| 个字符以外的所有字符。 | left('abcde', 2) | ab |
| int | string 中的字符数 | length('jose') | 4 |
| int | 采用给定 encoding 的 string 中的字符数。string 必须是该编码下的有效字符串。 | length('jose', 'UTF8') | 4 |
| text | 在 string 前面添加字符 fill(默认为空格),将其填充到长度 length。如果 string 已经长于 length,则从右侧截断。 | lpad('hi', 5, 'xy') | xyxhi |
| text | 从 string 的开头移除仅由 characters 中字符(默认为空格)组成的最长字符串 | ltrim('zzzytest', 'xyz') | test |
| text | 计算 string 的 MD5 hash,并以十六进制返回结果 | md5('abc') | 900150983cd24fb0 d6963f7d28e17f72 |
| name | 当前客户端编码名称 | pg_client_encoding() | SQL_ASCII |
| text | 为给定字符串添加适当的引号并返回,使其可用作 SQL 语句字符串中的标识符。仅在必要时添加引号(即字符串包含不能用于标识符的字符,或会被大小写折叠时)。内嵌引号会适当地双写。另见例 40.1。 | quote_ident('Foo bar') | "Foo bar" |
| text | 为给定字符串添加适当的引号并返回,使其可用作 SQL 语句字符串中的字符串字面量。内嵌单引号和反斜杠会被适当地双写。注意,quote_literal 在输入为 null 时返回 null;如果参数可能为 null,quote_nullable 通常更合适。另见例 40.1。 | quote_literal(E'O\'Reilly') | 'O''Reilly' |
| text | 将给定值强制转换为文本,然后作为字面量加引号。内嵌单引号和反斜杠会被适当地双写。 | quote_literal(42.5) | '42.5' |
| text | 为给定字符串添加适当的引号并返回,使其可用作 SQL 语句字符串中的字符串字面量;如果参数为 null,则返回 NULL。内嵌单引号和反斜杠会被适当地双写。另见例 40.1。 | quote_nullable(NULL) | NULL |
| text | 将给定值强制转换为文本,然后作为字面量加引号;如果参数为 null,则返回 NULL。内嵌单引号和反斜杠会被适当地双写。 | quote_nullable(42.5) | '42.5' |
| setof text[] | 返回 POSIX 正则表达式与 string 匹配所得到的所有捕获子串。更多信息参见第 9.7.3 节。 | regexp_matches('foobarbequebaz', '(bar)(beque)') | {bar,beque} |
| text | 替换匹配 POSIX 正则表达式的子字符串。更多信息参见第 9.7.3 节。 | regexp_replace('Thomas', '.[mN]a.', 'M') | ThM |
| text[] | 使用 POSIX 正则表达式作为分隔符拆分 string。更多信息参见第 9.7.3 节。 | regexp_split_to_array('hello world', '\s+') | {hello,world} |
| setof text | 使用 POSIX 正则表达式作为分隔符拆分 string。更多信息参见第 9.7.3 节。 | regexp_split_to_table('hello world', '\s+') | hello
|
| text | 将 string 重复指定的 number 次 | repeat('Pg', 4) | PgPgPgPg |
| text | 将 string 中每次出现的子字符串 from 替换为子字符串 to | replace('abcdefabcdef', 'cd', 'XX') | abXXefabXXef |
| text | 返回反转后的字符串。 | reverse('abcde') | edcba |
| text | 返回字符串中的最后 n 个字符。当 n 为负数时,返回除前 |n| 个字符以外的所有字符。 | right('abcde', 2) | de |
| text | 在 string 后面追加字符 fill(默认为空格),将其填充到长度 length。如果 string 已经长于 length,则截断它。 | rpad('hi', 5, 'xy') | hixyx |
| text | 从 string 的结尾移除仅由 characters 中字符(默认为空格)组成的最长字符串 | rtrim('testxxzx', 'xyz') | test |
| text | 按 delimiter 拆分 string,并返回指定字段(从一开始计数) | split_part('abc~@~def~@~ghi', '~@~', 2) | def |
| int | 指定子字符串的位置(与 position( 相同,但注意参数顺序相反) | strpos('high', 'ig') | 2 |
| text | 提取子字符串(与 substring( 相同) | substr('alphabet', 3, 2) | ph |
| text | 将 string 从其他编码转换为 ASCII(只支持从 LATIN1、LATIN2、LATIN9 和 WIN1250 编码转换) | to_ascii('Karel') | Karel |
| text | 将 number 转换为等价的十六进制表示 | to_hex(2147483647) | 7fffffff |
| text | 将 string 中与 from 集合中某字符匹配的每个字符替换为 to 集合中的对应字符。如果 from 比 to 长,则移除输入中出现的 from 中的多余字符。 | translate('12345', '143', 'ax') | a2x5 |
concat、concat_ws和format是可变参数函数,因此可以把要串接或格式化的值作为一个标记了VARIADIC关键字的数组进行传递(见第 35.4.5 节)。数组的元素被当作函数的独立普通参数一样处理。如果可变参数数组为 NULL,concat和concat_ws返回 NULL,但format把 NULL 当作一个零元素数组。
另见第 9.20 节中的聚合函数 string_agg。
表 9.8. 内置转换
| 转换名称 [a] | 源编码 | 目标编码 |
|---|---|---|
ascii_to_mic | SQL_ASCII | MULE_INTERNAL |
ascii_to_utf8 | SQL_ASCII | UTF8 |
big5_to_euc_tw | BIG5 | EUC_TW |
big5_to_mic | BIG5 | MULE_INTERNAL |
big5_to_utf8 | BIG5 | UTF8 |
euc_cn_to_mic | EUC_CN | MULE_INTERNAL |
euc_cn_to_utf8 | EUC_CN | UTF8 |
euc_jp_to_mic | EUC_JP | MULE_INTERNAL |
euc_jp_to_sjis | EUC_JP | SJIS |
euc_jp_to_utf8 | EUC_JP | UTF8 |
euc_kr_to_mic | EUC_KR | MULE_INTERNAL |
euc_kr_to_utf8 | EUC_KR | UTF8 |
euc_tw_to_big5 | EUC_TW | BIG5 |
euc_tw_to_mic | EUC_TW | MULE_INTERNAL |
euc_tw_to_utf8 | EUC_TW | UTF8 |
gb18030_to_utf8 | GB18030 | UTF8 |
gbk_to_utf8 | GBK | UTF8 |
iso_8859_10_to_utf8 | LATIN6 | UTF8 |
iso_8859_13_to_utf8 | LATIN7 | UTF8 |
iso_8859_14_to_utf8 | LATIN8 | UTF8 |
iso_8859_15_to_utf8 | LATIN9 | UTF8 |
iso_8859_16_to_utf8 | LATIN10 | UTF8 |
iso_8859_1_to_mic | LATIN1 | MULE_INTERNAL |
iso_8859_1_to_utf8 | LATIN1 | UTF8 |
iso_8859_2_to_mic | LATIN2 | MULE_INTERNAL |
iso_8859_2_to_utf8 | LATIN2 | UTF8 |
iso_8859_2_to_windows_1250 | LATIN2 | WIN1250 |
iso_8859_3_to_mic | LATIN3 | MULE_INTERNAL |
iso_8859_3_to_utf8 | LATIN3 | UTF8 |
iso_8859_4_to_mic | LATIN4 | MULE_INTERNAL |
iso_8859_4_to_utf8 | LATIN4 | UTF8 |
iso_8859_5_to_koi8_r | ISO_8859_5 | KOI8R |
iso_8859_5_to_mic | ISO_8859_5 | MULE_INTERNAL |
iso_8859_5_to_utf8 | ISO_8859_5 | UTF8 |
iso_8859_5_to_windows_1251 | ISO_8859_5 | WIN1251 |
iso_8859_5_to_windows_866 | ISO_8859_5 | WIN866 |
iso_8859_6_to_utf8 | ISO_8859_6 | UTF8 |
iso_8859_7_to_utf8 | ISO_8859_7 | UTF8 |
iso_8859_8_to_utf8 | ISO_8859_8 | UTF8 |
iso_8859_9_to_utf8 | LATIN5 | UTF8 |
johab_to_utf8 | JOHAB | UTF8 |
koi8_r_to_iso_8859_5 | KOI8R | ISO_8859_5 |
koi8_r_to_mic | KOI8R | MULE_INTERNAL |
koi8_r_to_utf8 | KOI8R | UTF8 |
koi8_r_to_windows_1251 | KOI8R | WIN1251 |
koi8_r_to_windows_866 | KOI8R | WIN866 |
koi8_u_to_utf8 | KOI8U | UTF8 |
mic_to_ascii | MULE_INTERNAL | SQL_ASCII |
mic_to_big5 | MULE_INTERNAL | BIG5 |
mic_to_euc_cn | MULE_INTERNAL | EUC_CN |
mic_to_euc_jp | MULE_INTERNAL | EUC_JP |
mic_to_euc_kr | MULE_INTERNAL | EUC_KR |
mic_to_euc_tw | MULE_INTERNAL | EUC_TW |
mic_to_iso_8859_1 | MULE_INTERNAL | LATIN1 |
mic_to_iso_8859_2 | MULE_INTERNAL | LATIN2 |
mic_to_iso_8859_3 | MULE_INTERNAL | LATIN3 |
mic_to_iso_8859_4 | MULE_INTERNAL | LATIN4 |
mic_to_iso_8859_5 | MULE_INTERNAL | ISO_8859_5 |
mic_to_koi8_r | MULE_INTERNAL | KOI8R |
mic_to_sjis | MULE_INTERNAL | SJIS |
mic_to_windows_1250 | MULE_INTERNAL | WIN1250 |
mic_to_windows_1251 | MULE_INTERNAL | WIN1251 |
mic_to_windows_866 | MULE_INTERNAL | WIN866 |
sjis_to_euc_jp | SJIS | EUC_JP |
sjis_to_mic | SJIS | MULE_INTERNAL |
sjis_to_utf8 | SJIS | UTF8 |
windows_1258_to_utf8 | WIN1258 | UTF8 |
uhc_to_utf8 | UHC | UTF8 |
utf8_to_ascii | UTF8 | SQL_ASCII |
utf8_to_big5 | UTF8 | BIG5 |
utf8_to_euc_cn | UTF8 | EUC_CN |
utf8_to_euc_jp | UTF8 | EUC_JP |
utf8_to_euc_kr | UTF8 | EUC_KR |
utf8_to_euc_tw | UTF8 | EUC_TW |
utf8_to_gb18030 | UTF8 | GB18030 |
utf8_to_gbk | UTF8 | GBK |
utf8_to_iso_8859_1 | UTF8 | LATIN1 |
utf8_to_iso_8859_10 | UTF8 | LATIN6 |
utf8_to_iso_8859_13 | UTF8 | LATIN7 |
utf8_to_iso_8859_14 | UTF8 | LATIN8 |
utf8_to_iso_8859_15 | UTF8 | LATIN9 |
utf8_to_iso_8859_16 | UTF8 | LATIN10 |
utf8_to_iso_8859_2 | UTF8 | LATIN2 |
utf8_to_iso_8859_3 | UTF8 | LATIN3 |
utf8_to_iso_8859_4 | UTF8 | LATIN4 |
utf8_to_iso_8859_5 | UTF8 | ISO_8859_5 |
utf8_to_iso_8859_6 | UTF8 | ISO_8859_6 |
utf8_to_iso_8859_7 | UTF8 | ISO_8859_7 |
utf8_to_iso_8859_8 | UTF8 | ISO_8859_8 |
utf8_to_iso_8859_9 | UTF8 | LATIN5 |
utf8_to_johab | UTF8 | JOHAB |
utf8_to_koi8_r | UTF8 | KOI8R |
utf8_to_koi8_u | UTF8 | KOI8U |
utf8_to_sjis | UTF8 | SJIS |
utf8_to_windows_1258 | UTF8 | WIN1258 |
utf8_to_uhc | UTF8 | UHC |
utf8_to_windows_1250 | UTF8 | WIN1250 |
utf8_to_windows_1251 | UTF8 | WIN1251 |
utf8_to_windows_1252 | UTF8 | WIN1252 |
utf8_to_windows_1253 | UTF8 | WIN1253 |
utf8_to_windows_1254 | UTF8 | WIN1254 |
utf8_to_windows_1255 | UTF8 | WIN1255 |
utf8_to_windows_1256 | UTF8 | WIN1256 |
utf8_to_windows_1257 | UTF8 | WIN1257 |
utf8_to_windows_866 | UTF8 | WIN866 |
utf8_to_windows_874 | UTF8 | WIN874 |
windows_1250_to_iso_8859_2 | WIN1250 | LATIN2 |
windows_1250_to_mic | WIN1250 | MULE_INTERNAL |
windows_1250_to_utf8 | WIN1250 | UTF8 |
windows_1251_to_iso_8859_5 | WIN1251 | ISO_8859_5 |
windows_1251_to_koi8_r | WIN1251 | KOI8R |
windows_1251_to_mic | WIN1251 | MULE_INTERNAL |
windows_1251_to_utf8 | WIN1251 | UTF8 |
windows_1251_to_windows_866 | WIN1251 | WIN866 |
windows_1252_to_utf8 | WIN1252 | UTF8 |
windows_1256_to_utf8 | WIN1256 | UTF8 |
windows_866_to_iso_8859_5 | WIN866 | ISO_8859_5 |
windows_866_to_koi8_r | WIN866 | KOI8R |
windows_866_to_mic | WIN866 | MULE_INTERNAL |
windows_866_to_utf8 | WIN866 | UTF8 |
windows_866_to_windows_1251 | WIN866 | WIN |
windows_874_to_utf8 | WIN874 | UTF8 |
euc_jis_2004_to_utf8 | EUC_JIS_2004 | UTF8 |
utf8_to_euc_jis_2004 | UTF8 | EUC_JIS_2004 |
shift_jis_2004_to_utf8 | SHIFT_JIS_2004 | UTF8 |
utf8_to_shift_jis_2004 | UTF8 | SHIFT_JIS_2004 |
euc_jis_2004_to_shift_jis_2004 | EUC_JIS_2004 | SHIFT_JIS_2004 |
shift_jis_2004_to_euc_jis_2004 | SHIFT_JIS_2004 | EUC_JIS_2004 |
[a] 转换名称遵循标准命名规则:将源编码正式名称中的所有非字母数字字符替换为下划线,再接上 | ||
9.4.1. format #
函数format根据一个格式字符串产生格式化的输出,其形式类似于 C 函数sprintf。
format(formatstrtext[,formatarg"any"[, ...] ])
formatstr是指定结果格式的字符串。格式字符串中的文本会直接复制到结果中,但格式说明符所在的位置除外。格式说明符充当字符串中的占位符,定义如何格式化后续函数参数并将其插入结果。每个formatarg参数都按照其数据类型通常的输出规则转换为文本,再根据格式说明符进行格式化并插入结果字符串。
格式说明符以%字符开头,格式如下:
%[position][flags][width]type
其中各组成字段为:
position(可选)一个形如
的字符串,其中n$n是要打印的参数的索引。索引 1 表示紧跟在以下参数之后的第一个参数:formatstr。如果position被省略,则默认按顺序使用下一个参数。flags(可选)用于控制格式说明符输出格式的附加选项。目前唯一支持的标志是减号(
-),它使格式说明符的输出左对齐。只有同时指定了width字段时,它才有效。width(可选)指定用于显示格式说明符输出的最小字符数。输出将被在左部或右部(取决于
-标志)用空格填充以保证充满该宽度。太小的宽度设置不会导致输出被截断,但是会被简单地忽略。宽度可以使用下列形式之一指定:一个正整数;一个星号(*)表示使用下一个函数参数作为宽度;或者一个形式为*$的字符串,表示使用第nn个函数参数作为宽度。如果宽度来自一个函数参数,会先使用该宽度参数,再使用作为格式说明符值的参数。如果宽度参数为负数,结果会在长度为
abs(width)的字段中左对齐(如同指定了-标志)。type(必需)格式转换的类型,用于产生格式说明符的输出。支持下面的类型:
s将参数值格式化为一个简单字符串。空值会被视为空字符串。I将参数值视作 SQL 标识符,并在必要时用双引号包围它。如果参数为 null,则会报错。L将参数值作为 SQL 字面量加引号。null 值显示为不带引号的字符串NULL。
除了以上所述的格式说明符之外,要输出一个字面形式的%字符,可以使用特殊序列%%。
下面是一些基本格式转换的示例:
SELECT format('Hello %s', 'World');
结果:Hello World
SELECT format('Testing %s, %s, %s, %%', 'one', 'two', 'three');
结果:Testing one, two, three, %
SELECT format('INSERT INTO %I VALUES(%L)', 'Foo bar', E'O\'Reilly');
结果:INSERT INTO "Foo bar" VALUES('O''Reilly')
SELECT format('INSERT INTO %I VALUES(%L)', 'locations', 'C:\Program Files');
结果:INSERT INTO locations VALUES('C:\Program Files')
下面是使用width字段和-标志的示例:
SELECT format('|%10s|', 'foo');
结果:| foo|
SELECT format('|%-10s|', 'foo');
结果:|foo |
SELECT format('|%*s|', 10, 'foo');
结果:| foo|
SELECT format('|%*s|', -10, 'foo');
结果:|foo |
SELECT format('|%-*s|', 10, 'foo');
结果:|foo |
SELECT format('|%-*s|', -10, 'foo');
结果:|foo |
这些示例展示了如何使用position字段:
SELECT format('Testing %3$s, %2$s, %1$s', 'one', 'two', 'three');
结果:Testing three, two, one
SELECT format('|%*2$s|', 'foo', 10, 'bar');
结果:| bar|
SELECT format('|%1$*2$s|', 'foo', 10, 'bar');
结果:| foo|
不同于标准 C 函数sprintf,PostgreSQL的format函数允许在同一个格式字符串中,混合使用带有或不带有position字段的格式说明符。不带position字段的格式说明符,总是使用最后一个已使用参数之后的下一个参数。此外,format函数不要求格式字符串使用全部函数参数。例如:
SELECT format('Testing %3$s, %2$s, %s', 'one', 'two', 'three');
结果:Testing three, two, three
对于安全地构造动态 SQL 语句,%I和%L格式说明符特别有用。参见例 40.1。