开发者社区

文档建议反馈控制台

文章/答案/技术大牛

发布

社区首页 >问答首页 >Impala substr不能正确地获得utf8字符

问Impala substr不能正确地获得utf8字符
EN

Stack Overflow用户

提问于 2021-03-26 03:00:44

回答 1查看 387关注 0票数 1

我是ETL的新手，我被分配了一项任务，在将数据提供给客户之前对一些敏感信息进行消毒。

我正在使用色彩网页客户端与Impala。

我想做的是：

例如，像'京客隆（三里屯店）'这样的列信息，然后我需要将其转换为类似于'京XXX店）'的内容。

我的问题是：

select '京客隆（三里屯店）', concat(substr('京客隆（三里屯店）', 1, 3), 'XXX', substr('京客隆（三里屯店）', char_length('京客隆（三里屯店）') -6, 6));

但在输出中我会胡说八道：

'京客隆（三里屯店）' | concat(substr('京客隆（三里屯店）', 1, 3), 'xxx', substr('京客隆（三里屯店）', char_length('京客隆（三里屯店）') - 6, 6))    
京客隆（三里屯店）   |   京XXX�店�

问题是：

select '京客隆（三里屯店）', substr('京客隆（三里屯店）', char_length('京客隆（三里屯店）') -3 , 3);

输出：京客隆（三里屯店） ��

不能得到正确的字符。为什么会这样？我在python中粘贴了字符串，如果只使用最后3个字节，就可以得到正确的字符。

EN

回答 1

Stack Overflow用户

回答已采纳

发布于 2021-03-26 03:25:33

结果，我误解了函数substr。

substr(STRING a, INT start [, INT len])：

它将字符从(包括) INT start开始。例如，我的字符串'京客隆（三里屯店）'的总长度是27字节，每个utf8字符在这里占3个字节。我需要取最后一个3字节，即），然后我需要编写：

substr('京客隆（三里屯店）, 27 - 2 ,3 )。

然后获取25, 26, 27 3字节，并正确显示char ）。

更新：

我被告知要使用：

SELECT regexp_replace('京客隆（三里屯店）', '(.)(.*)(.{2})', '\\1***\\3');

就像一种魅力:P。

票数 1

EN

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/66810438

复制

相似问题