提交 1ba85e2d 编写于 作者: Z zhang2014

some review fixes

上级 9b01517e
......@@ -21,17 +21,17 @@
## lengthUTF8
假定字符串以UTF-8编码组成的文本,返回此字符串的Unicode code point长度。如果传入的字符串不是UTF-8编码,则函数可能返回一个预期外的值(不会抛出异常)。
假定字符串以UTF-8编码组成的文本,返回此字符串的Unicode字符长度。如果传入的字符串不是UTF-8编码,则函数可能返回一个预期外的值(不会抛出异常)。
结果类型是UInt64。
## char_length, CHAR_LENGTH
假定字符串以UTF-8编码组成的文本,返回此字符串的Unicode code point长度。如果传入的字符串不是UTF-8编码,则函数可能返回一个预期外的值(不会抛出异常)。
假定字符串以UTF-8编码组成的文本,返回此字符串的Unicode字符长度。如果传入的字符串不是UTF-8编码,则函数可能返回一个预期外的值(不会抛出异常)。
结果类型是UInt64。
## character_length, CHARACTER_LENGTH
假定字符串以UTF-8编码组成的文本,返回此字符串的Unicode code point长度。如果传入的字符串不是UTF-8编码,则函数可能返回一个预期外的值(不会抛出异常)。
假定字符串以UTF-8编码组成的文本,返回此字符串的Unicode字符长度。如果传入的字符串不是UTF-8编码,则函数可能返回一个预期外的值(不会抛出异常)。
结果类型是UInt64。
## lower, lcase
......@@ -91,11 +91,11 @@ SELECT toValidUTF8('\x61\xF0\x80\x80\x80b')
## reverseUTF8
code point为单位反转UTF-8编码的字符串。如果字符串不是UTF-8编码,则可能获取到一个非预期的结果(不会抛出异常)。
Unicode字符为单位反转UTF-8编码的字符串。如果字符串不是UTF-8编码,则可能获取到一个非预期的结果(不会抛出异常)。
## format(pattern, s0, s1, ...)
使用常量字符串`pattern`格式其他参数。`pattern`字符串中包含由大括号`{}`包围的“替换字段”。 未被包含在大括号中的任何内容都被视为文本内容,它将原样保留在返回值中。 如果你需要在文本内容中包含一个大括号字符,它可以通过加倍来转义:`{{``}}`。 字段名称可以是数字(从零开始)或空(然后将它们视为连续数字)
使用常量字符串`pattern`格式其他参数。`pattern`字符串中包含由大括号`{}`包围的“替换字段”。 未被包含在大括号中的任何内容都被视为文本内容,它将原样保留在返回值中。 如果你需要在文本内容中包含一个大括号字符,它可以通过加倍来转义:`{{``}}`。 字段名称可以是数字(从零开始)或空(然后将它们视为连续数字)
```sql
SELECT format('{1} {0} {1}', 'World', 'Hello')
......@@ -125,7 +125,7 @@ SELECT format('{} {}', 'Hello', 'World')
## substringUTF8(s, offset, length)
与‘substring’相同,但其操作单位为code point,函数假设字符串是以UTF-8进行编码的文本。如果不是则可能返回一个预期外的结果(不会抛出异常)。
与‘substring’相同,但其操作单位为Unicode字符,函数假设字符串是以UTF-8进行编码的文本。如果不是则可能返回一个预期外的结果(不会抛出异常)。
## appendTrailingCharIfAbsent(s, c)
......
......@@ -11,7 +11,7 @@
## positionUTF8(haystack, needle)
`position`相同,但位置以Unicode code points返回。此函数工作在UTF-8编码的文本字符集中。如非此编码的字符集,则返回一些非预期结果(他不会抛出异常)。
`position`相同,但位置以Unicode字符返回。此函数工作在UTF-8编码的文本字符集中。如非此编码的字符集,则返回一些非预期结果(他不会抛出异常)。
对于不区分大小写的搜索,请使用函数`positionCaseInsensitiveUTF8`
......@@ -112,7 +112,7 @@
对于不区分大小写的搜索或/和UTF-8格式,使用函数`ngramSearchCaseInsensitive,ngramSearchUTF8,ngramSearchCaseInsensitiveUTF8`。
**注意:对于UTF-8,我们使用3-gram。所有这些都不是完全公平的n-gram距离。我们使用2字节哈希来散列n-gram,然后计算这些哈希表之间的(非)对称差异 - 可能会发生冲突。对于UTF-8不区分大小写的格式,我们不使用公平的`tolower`函数 - 我们将每个code point字节的第5位(从零开始)和字节的第一位归零 - 这适用于拉丁语,主要用于所有西里尔字母。**
**注意:对于UTF-8,我们使用3-gram。所有这些都不是完全公平的n-gram距离。我们使用2字节哈希来散列n-gram,然后计算这些哈希表之间的(非)对称差异 - 可能会发生冲突。对于UTF-8不区分大小写的格式,我们不使用公平的`tolower`函数 - 我们将每个Unicode字符字节的第5位(从零开始)和字节的第一位归零 - 这适用于拉丁语,主要用于所有西里尔字母。**
[来源文章](https://clickhouse.yandex/docs/en/query_language/functions/string_search_functions/) <!--hide-->
Markdown is supported
0% .
You are about to add 0 people to the discussion. Proceed with caution.
先完成此消息的编辑!
想要评论请 注册