9.4. 字符串函数和操作符

本节描述了用于检查和操作字符串数值的函数和操作符。 在这个环境中的字符串包括character,character varying, text类型的值。除非另外说明,所有下面列出的函数都可以处理这些类型, 不过要小心的是,在使用character类型的时候,需要注意自动填充的潜在影响。 有些函数还可以处理位串类型。

SQL定义了一些字符串函数,用特定的关键字而不是逗号来分隔参数。 详情请见表 9-6PostgreSQL 也提供了使用正常的函数调用语法实现的这些函数的版本(参阅 表 9-7)。

注意: PostgreSQL 8.3之前, 这些函数将默默接受一些非字符串数据类型的值,由于存在从这些数据类型到text 的隐式强制转换,转换后的它们经常发生意外的行为,因此删除了隐式强制转换。 然而,字符串连接操作符(||)仍接受非字符串输入, 只要至少有一个输入是字符串类型,如表 9-6所示。 对于其它情况下,如果你需要重复以前的行为,插入一个明确的强制转换到text

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
string || string text 字符串连接 'Post' || 'greSQL'PostgreSQL
string || non-stringnon-string || string text 带有一个非字符串输入的字符串连接 'Value: ' || 42Value: 42
bit_length(string) int字符串的位bit_length('jose')32
char_length(string)character_length(string) int 字符串中的字符个数 char_length('jose')4
lower(string) text把字符串转化为小写lower('TOM')tom
octet_length(string) int字符串中的字节数octet_length('jose')4
overlay(string placing string from int [for int]) text 替换子字符串 overlay('Txxxxas' placing 'hom' from 2 for 4)Thomas
position(substring in string) int指定子字符串的位置position('om' in 'Thomas')3
substring(string [from int] [for int]) text 截取子字符串 substring('Thomas' from 2 for 3)hom
substring(string from pattern)text 截取匹配POSIX正则表达式的子字符串。参阅第 9.7 节 获取更多关于模式匹配的信息。 substring('Thomas' from '...$')mas
substring(string from pattern for escape)text 截取匹配SQL正则表达式的子字符串。 参阅第 9.7 节获取更多关于模式匹配的信息。 substring('Thomas' from '%#"o_a#"_' for '#')oma
trim([leading | trailing | both] [characters] from string) text 从字符串string的开头/结尾/两边删除只包含 characters中字符 (缺省是空白)的最长的字符串 trim(both 'x' from 'xTomxx')Tom
trim([leading | trailing | both] [from] string [, characters] ) text trim()的非标准版本 trim(both from 'xTomxx', 'x')Tom
upper(string) text把字符串转化为大写upper('tom')TOM

还有额外的字符串操作函数可以用,它们在表 9-7列出。 它们有些在内部用于实现表 9-6 列出的SQL标准字符串函数。

表 9-7. 其它字符串函数

函数返回类型描述示例结果
ascii(string) int 参数中第一个字符的ASCII编码值。 对于UTF8返回字符的宽字节编码值。 对于其它的多字节编码,参数必须是一个ASCII字符。 ascii('x')120
btrim(string text [, characters text]) textstring开头和结尾删除只包含 characters中字符(缺省是空白)的最长字符串。 btrim('xyxtrimyyx', 'xy')trim
chr(int) text 给定编码的字符。对于UTF8这个参数作为宽字节代码处理。 对于其它的多字节编码,这个参数必须指定一个ASCII字符, 因为text数据类型无法存储NULL数据字节,不能将NULL(0)作为字符参数。 chr(65)A
concat(str "any" [, str "any" [, ...] ]) text 连接所有参数的文本表示。NULL 参数被忽略。 concat('abcde', 2, NULL, 22)abcde222
concat_ws(sep text, str "any" [, str "any" [, ...] ]) text 连接所有参数,但是第一个参数是分隔符,用于将所有参数分隔。NULL 参数被忽略。 concat_ws(',', 'abcde', 2, NULL, 22)abcde,2,22
convert(string bytea, src_encoding name, dest_encoding name) bytea 把原来编码为src_encoding的字符串转换为 dest_encoding编码。 在这种编码格式中string必须是有效的。 用CREATE CONVERSION定义转换。 这也有些预定义的转换。 参阅表 9-8显示可用的转换。 convert('text_in_utf8', 'UTF8', 'LATIN1')text_in_utf8 用 Latin-1 编码表示 (ISO 8859-1)
convert_from(string bytea, src_encoding name) text 把原来编码为src_encoding的字符串转换为数据库编码格式。 这种编码格式中,string必须是有效的。 convert_from('text_in_utf8', 'UTF8')text_in_utf8 用当前数据库编码表示
convert_to(string text, dest_encoding name) bytea 将字符串转化为dest_encoding编码格式。 convert_to('some text', 'UTF8')some text 用 UTF8 编码表示
decode(string text, format text) bytea 把用string表示的文本里面的二进制数据解码。 format选项和encode相同。 decode('MTIzAAE=', 'base64')\x3132330001
encode(data bytea, format text) text 把二进制数据编码为文本表示。支持的格式有:base64, hex, escapeescape 转换零字节和高位设置字节为八进制序列(\nnn) 和双反斜杠。 encode(E'123\\000\\001', 'base64')MTIzAAE=
format(formatstr text [, formatarg "any" [, ...] ]) text 根据格式字符串格式参数。这个函数类似C函数sprintf。 参阅第 9.4.1 节format('Hello %s, %1$s', 'World')Hello World, World
initcap(string) text 把每个单词的第一个字母转为大写,其它的保留小写。 单词是一系列字母数字组成的字符,用非字母数字分隔。 initcap('hi THOMAS')Hi Thomas
left(str text, n int) text 返回字符串的前n个字符。当n是负数时, 返回除最后|n|个字符以外的所有字符。 left('abcde', 2)ab
length(string) int string中字符的数目 length('jose')4
length(string bytea, encoding name )int 指定encoding编码格式的string的字符数。 在这个编码格式中,string必须是有效的。 length('jose', 'UTF8')4
lpad(string text, length int [, fill text]) text 通过填充字符fill(缺省时为空白), 把string填充为length长度。 如果string已经比length长则将其尾部截断。 lpad('hi', 5, 'xy')xyxhi
ltrim(string text [, characters text]) text 从字符串string的开头删除只包含characters 中字符(缺省是一个空白)的最长的字符串。 ltrim('zzzytrim', 'xyz')trim
md5(string) text 计算string的MD5散列,以十六进制返回结果。 md5('abc')900150983cd24fb0 d6963f7d28e17f72
pg_client_encoding() name 当前客户端编码名称 pg_client_encoding()SQL_ASCII
quote_ident(string text) text 返回适用于SQL语句的标识符形式(使用适当的引号进行界定)。 只有在必要的时候才会添加引号(字符串包含非标识符字符或者会转换大小写的字符)。 嵌入的引号被恰当地写了双份。又见例 40-1quote_ident('Foo bar')"Foo bar"
quote_literal(string text) text 返回适用于在SQL语句里当作文本使用的形式(使用适当的引号进行界定)。 嵌入的引号和反斜杠被恰当地写了双份。请注意,当输入是null时, quote_literal返回null;如果参数可能为null, 通常quote_nullable更适用。 又见例 40-1quote_literal(E'O\'Reilly')'O''Reilly'
quote_literal(value anyelement)text 将给定的值强制转换为text,加上引号作为文本。嵌入的引号和反斜杠被恰当地写了双份。 quote_literal(42.5)'42.5'
quote_nullable(string text) text 返回适用于在SQL语句里当作字符串使用的形式(使用适当的引号进行界定)。 或者,如果参数为空,返回NULL。嵌入的引号和反斜杠被恰当地写了双份。 又见例 40-1quote_nullable(NULL)NULL
quote_nullable(value anyelement)text 将给定的参数值转化为text,加上引号作为文本;或者,如果参数为空, 返回NULL。嵌入的引号和反斜杠被恰当地写了双份。 quote_nullable(42.5)'42.5'
regexp_matches(string text, pattern text [, flags text]) setof text[] 返回string中所有匹配POSIX正则表达式的子字符串。 参阅第 9.7.3 节获得更多信息。 regexp_matches('foobarbequebaz', '(bar)(beque)'){bar,beque}
regexp_replace(string text, pattern text, replacement text [, flags text]) text 替换匹配 POSIX 正则表达式的子字符串。参见第 9.7.3 节 以获取更多模式匹配的信息。 regexp_replace('Thomas', '.[mN]a.', 'M')ThM
regexp_split_to_array(string text, pattern text [, flags text ]) text[] 用POSIX正则表达式作为分隔符,分隔string。 参阅第 9.7.3 节以获取更多模式匹配的信息。 regexp_split_to_array('hello world', E'\\s+'){hello,world}
regexp_split_to_table(string text, pattern text [, flags text]) setof text 用POSIX正则表达式作为分隔符,分隔string。 参阅第 9.7.3 节以获取更多模式匹配的信息。 regexp_split_to_table('hello world', E'\\s+')hello

world

(2 rows)
repeat(string text, number int) textstring重复numberrepeat('Pg', 4)PgPgPgPg
replace(string text, from text, to text) text 把字符串string里出现地所有子字符串from 替换成子字符串to replace('abcdefabcdef', 'cd', 'XX')abXXefabXXef
reverse(str) text 返回颠倒的字符串 reverse('abcde')edcba
right(str text, n int) text 返回字符串中的后n个字符。当n是负值时, 返回除前|n|个字符以外的所有字符。 right('abcde', 2)de
rpad(string text, length int [, fill text]) text 使用填充字符fill(缺省时为空白), 把string填充到length长度。 如果string已经比length长则将其从尾部截断。 rpad('hi', 5, 'xy')hixyx
rtrim(string text [, characters text]) text 从字符串string的结尾删除只包含 characters中字符(缺省是个空白)的最长的字符串。 rtrim('trimxxxx', 'x')trim
split_part(string text, delimiter text, field int) text 根据delimiter分隔string 返回生成的第 field 个子字符串(1为基)。 split_part('abc~@~def~@~ghi', '~@~', 2)def
strpos(string, substring) int 指定的子字符串的位置。和position(substring in string)一样,不过参数顺序相反。 strpos('high', 'ig')2
substr(string, from [, count]) text 抽取子字符串。和substring(string from from for count))一样 substr('alphabet', 3, 2)ph
to_ascii(string text [, encoding text]) textstring从其它编码转换为ASCII (仅支持LATIN1, LATIN2, LATIN9, WIN1250编码)。 to_ascii('Karel')Karel
to_hex(number int or bigint) textnumber转换成十六进制表现形式 to_hex(2147483647)7fffffff
translate(string text, from text, to text) text 把在string中包含的任何匹配from 中字符的字符转化为对应的在to中的字符。 如果fromto长, 删掉在from中出现的额外的字符。 translate('12345', '143', 'ax')a2x5

concat, concat_wsformat 函数是可变的,所以用VARIADIC 关键字标记传递的数值以连接或者格式化为一个数组是可能的。 见第 35.4.5 节。数组的元素对函数来说是单独的普通参数。 如果可变数组的元素是NULL,那么concatconcat_ws 返回NULL,但是format把NULL作为零元素数组对待。

又见第 9.20 节里面的聚合函数string_agg

表 9-8. 内置的转换

转换名 [a] 源编码目的编码
ascii_to_micSQL_ASCIIMULE_INTERNAL
ascii_to_utf8SQL_ASCIIUTF8
big5_to_euc_twBIG5EUC_TW
big5_to_micBIG5MULE_INTERNAL
big5_to_utf8BIG5UTF8
euc_cn_to_micEUC_CNMULE_INTERNAL
euc_cn_to_utf8EUC_CNUTF8
euc_jp_to_micEUC_JPMULE_INTERNAL
euc_jp_to_sjisEUC_JPSJIS
euc_jp_to_utf8EUC_JPUTF8
euc_kr_to_micEUC_KRMULE_INTERNAL
euc_kr_to_utf8EUC_KRUTF8
euc_tw_to_big5EUC_TWBIG5
euc_tw_to_micEUC_TWMULE_INTERNAL
euc_tw_to_utf8EUC_TWUTF8
gb18030_to_utf8GB18030UTF8
gbk_to_utf8GBKUTF8
iso_8859_10_to_utf8LATIN6UTF8
iso_8859_13_to_utf8LATIN7UTF8
iso_8859_14_to_utf8LATIN8UTF8
iso_8859_15_to_utf8LATIN9UTF8
iso_8859_16_to_utf8LATIN10UTF8
iso_8859_1_to_micLATIN1MULE_INTERNAL
iso_8859_1_to_utf8LATIN1UTF8
iso_8859_2_to_micLATIN2MULE_INTERNAL
iso_8859_2_to_utf8LATIN2UTF8
iso_8859_2_to_windows_1250LATIN2WIN1250
iso_8859_3_to_micLATIN3MULE_INTERNAL
iso_8859_3_to_utf8LATIN3UTF8
iso_8859_4_to_micLATIN4MULE_INTERNAL
iso_8859_4_to_utf8LATIN4UTF8
iso_8859_5_to_koi8_rISO_8859_5KOI8R
iso_8859_5_to_micISO_8859_5MULE_INTERNAL
iso_8859_5_to_utf8ISO_8859_5UTF8
iso_8859_5_to_windows_1251ISO_8859_5WIN1251
iso_8859_5_to_windows_866ISO_8859_5WIN866
iso_8859_6_to_utf8ISO_8859_6UTF8
iso_8859_7_to_utf8ISO_8859_7UTF8
iso_8859_8_to_utf8ISO_8859_8UTF8
iso_8859_9_to_utf8LATIN5UTF8
johab_to_utf8JOHABUTF8
koi8_r_to_iso_8859_5KOI8RISO_8859_5
koi8_r_to_micKOI8RMULE_INTERNAL
koi8_r_to_utf8KOI8RUTF8
koi8_r_to_windows_1251KOI8RWIN1251
koi8_r_to_windows_866KOI8RWIN866
koi8_u_to_utf8KOI8UUTF8
mic_to_asciiMULE_INTERNALSQL_ASCII
mic_to_big5MULE_INTERNALBIG5
mic_to_euc_cnMULE_INTERNALEUC_CN
mic_to_euc_jpMULE_INTERNALEUC_JP
mic_to_euc_krMULE_INTERNALEUC_KR
mic_to_euc_twMULE_INTERNALEUC_TW
mic_to_iso_8859_1MULE_INTERNALLATIN1
mic_to_iso_8859_2MULE_INTERNALLATIN2
mic_to_iso_8859_3MULE_INTERNALLATIN3
mic_to_iso_8859_4MULE_INTERNALLATIN4
mic_to_iso_8859_5MULE_INTERNALISO_8859_5
mic_to_koi8_rMULE_INTERNALKOI8R
mic_to_sjisMULE_INTERNALSJIS
mic_to_windows_1250MULE_INTERNALWIN1250
mic_to_windows_1251MULE_INTERNALWIN1251
mic_to_windows_866MULE_INTERNALWIN866
sjis_to_euc_jpSJISEUC_JP
sjis_to_micSJISMULE_INTERNAL
sjis_to_utf8SJISUTF8
tcvn_to_utf8WIN1258UTF8
uhc_to_utf8UHCUTF8
utf8_to_asciiUTF8SQL_ASCII
utf8_to_big5UTF8BIG5
utf8_to_euc_cnUTF8EUC_CN
utf8_to_euc_jpUTF8EUC_JP
utf8_to_euc_krUTF8EUC_KR
utf8_to_euc_twUTF8EUC_TW
utf8_to_gb18030UTF8GB18030
utf8_to_gbkUTF8GBK
utf8_to_iso_8859_1UTF8LATIN1
utf8_to_iso_8859_10UTF8LATIN6
utf8_to_iso_8859_13UTF8LATIN7
utf8_to_iso_8859_14UTF8LATIN8
utf8_to_iso_8859_15UTF8LATIN9
utf8_to_iso_8859_16UTF8LATIN10
utf8_to_iso_8859_2UTF8LATIN2
utf8_to_iso_8859_3UTF8LATIN3
utf8_to_iso_8859_4UTF8LATIN4
utf8_to_iso_8859_5UTF8ISO_8859_5
utf8_to_iso_8859_6UTF8ISO_8859_6
utf8_to_iso_8859_7UTF8ISO_8859_7
utf8_to_iso_8859_8UTF8ISO_8859_8
utf8_to_iso_8859_9UTF8LATIN5
utf8_to_johabUTF8JOHAB
utf8_to_koi8_rUTF8KOI8R
utf8_to_koi8_uUTF8KOI8U
utf8_to_sjisUTF8SJIS
utf8_to_tcvnUTF8WIN1258
utf8_to_uhcUTF8UHC
utf8_to_windows_1250UTF8WIN1250
utf8_to_windows_1251UTF8WIN1251
utf8_to_windows_1252UTF8WIN1252
utf8_to_windows_1253UTF8WIN1253
utf8_to_windows_1254UTF8WIN1254
utf8_to_windows_1255UTF8WIN1255
utf8_to_windows_1256UTF8WIN1256
utf8_to_windows_1257UTF8WIN1257
utf8_to_windows_866UTF8WIN866
utf8_to_windows_874UTF8WIN874
windows_1250_to_iso_8859_2WIN1250LATIN2
windows_1250_to_micWIN1250MULE_INTERNAL
windows_1250_to_utf8WIN1250UTF8
windows_1251_to_iso_8859_5WIN1251ISO_8859_5
windows_1251_to_koi8_rWIN1251KOI8R
windows_1251_to_micWIN1251MULE_INTERNAL
windows_1251_to_utf8WIN1251UTF8
windows_1251_to_windows_866WIN1251WIN866
windows_1252_to_utf8WIN1252UTF8
windows_1256_to_utf8WIN1256UTF8
windows_866_to_iso_8859_5WIN866ISO_8859_5
windows_866_to_koi8_rWIN866KOI8R
windows_866_to_micWIN866MULE_INTERNAL
windows_866_to_utf8WIN866UTF8
windows_866_to_windows_1251WIN866WIN
windows_874_to_utf8WIN874UTF8
euc_jis_2004_to_utf8EUC_JIS_2004UTF8
utf8_to_euc_jis_2004UTF8EUC_JIS_2004
shift_jis_2004_to_utf8SHIFT_JIS_2004UTF8
utf8_to_shift_jis_2004UTF8SHIFT_JIS_2004
euc_jis_2004_to_shift_jis_2004EUC_JIS_2004SHIFT_JIS_2004
shift_jis_2004_to_euc_jis_2004SHIFT_JIS_2004EUC_JIS_2004
表注:
a. 转换名遵循一个标准的命名模式:将源编码中的所有非字母数字字符用下划线替换, 后面跟着_to_,然后后面再跟着经过相似处理的目标编码的名字。 因此这些名字可能和客户的编码名字不同。

9.4.1. 格式化

函数format生成根据格式字符串格式化了的输出,风格类似于C函数sprintf

format(formatstr text [, formatarg "any" [, ...] ])

formatstr是指定结果如何格式化的格式字符串。格式字符串中的文本直接拷贝到结果中, 除非已经使用了格式说明符。格式说明符在字符串中作为占位符使用, 定义后续函数参数应该格式化并且插入到结果中。每个formatarg 参数根据这种数据类型的通常输出规则转化为文本,然后根据格式说明符格式化并且插入到结果中。

格式说明符由%字符引进,格式为

%[position][flags][width]type

组件的字段有:

position (optional)

n$格式的字符串,这里的n 是要打印的参数的索引。索引为1表示在formatstr 之后的第一个参数。如果省略了position, 默认使用序列中的下一个参数。

flags (optional)

附加选项,控制如何格式化格式说明符的输出。当前只支持负号(-), 负号导致格式说明符的输出是左对齐的。这是没有影响的,除非指定了 width字段。

width (optional)

声明字符数的minimum值用来显示格式说明符的输出。需要补充宽度时, 空白添加到输出的左侧或右侧(取决于-标志)。一个比较小的宽度不会导致输出的截断, 只是简单的忽略了。宽度可以用下列方法指定:一个正整数;一个星号(*) 表示使用下一个函数参数作为宽度;或一个格式为*n$ 的字符串表示使用第n个函数参数作为宽度。

如果宽度来自函数参数,那么这个参数在作为格式说明符的数值之前消耗掉。 如果宽度参数是负的,那么结果是左对齐的(就像声明了-标志一样), 并且字段长度为abs(width)。

type (required)

格式转换的类型用来产生格式说明符的输出。支持下列的类型:

  • s格式参数值为简单的字符串。空值作为空字符串对待。

  • I将参数值作为SQL标识符对待,如果需要,双写它。值为空是错误的。

  • L引用参数值作为SQL文字。空值用字符串NULL显示,没有引用。

除了上述的格式说明符,特殊的序列%%可以用作输出%字符。

这里有一些基本的格式转换的例子:

SELECT format('Hello %s', 'World');
Result: Hello World

SELECT format('Testing %s, %s, %s, %%', 'one', 'two', 'three');
Result: Testing one, two, three, %

SELECT format('INSERT INTO %I VALUES(%L)', 'Foo bar', E'O\'Reilly');
Result: INSERT INTO "Foo bar" VALUES('O''Reilly')

SELECT format('INSERT INTO %I VALUES(%L)', 'locations', E'C:\\Program Files');
Result: INSERT INTO locations VALUES(E'C:\\Program Files')

这里是使用width字段和-标志的例子:

SELECT format('|%10s|', 'foo');
Result: |       foo|

SELECT format('|%-10s|', 'foo');
Result: |foo       |

SELECT format('|%*s|', 10, 'foo');
Result: |       foo|

SELECT format('|%*s|', -10, 'foo');
Result: |foo       |

SELECT format('|%-*s|', 10, 'foo');
Result: |foo       |

SELECT format('|%-*s|', -10, 'foo');
Result: |foo       |

下面是使用position字段的例子:

SELECT format('Testing %3$s, %2$s, %1$s', 'one', 'two', 'three');
Result: Testing three, two, one

SELECT format('|%*2$s|', 'foo', 10, 'bar');
Result: |       bar|

SELECT format('|%1$*2$s|', 'foo', 10, 'bar');
Result: |       foo|

和C函数sprintf不同,PostgreSQLformat 函数允许带有或不带有position字段的格式说明符在相同的格式字符串中混合使用。 没有position字段的格式说明符总是使用最后消耗参数的下一个参数。 另外,format函数不要求在格式字符串中使用所有函数参数。例如:

SELECT format('Testing %3$s, %2$s, %s', 'one', 'two', 'three');
Result: Testing three, two, three

%I%L格式说明符对于安全构造动态SQL语句尤其有用。 参阅例 40-1