Saltar al contenido principal
La documentación que aparece a continuación se genera a partir de la system table system.functions.

​
alphaTokens

Introducido en: v1.1.0 Selecciona subcadenas de bytes consecutivos de los rangos a-z y A-Z y devuelve un Array con las subcadenas seleccionadas. Sintaxis 
alphaTokens(s[, max_substrings])
Alias: splitByAlpha Argumentos
  • s — La cadena que se va a dividir. String
  • max_substrings — Opcional. Cuando max_substrings > 0, el número de subcadenas devueltas no será mayor que max_substrings; de lo contrario, la función devolverá tantas subcadenas como sea posible. Int64
Valor devuelto Devuelve un Array de las subcadenas seleccionadas de s. Array(String) Ejemplos Ejemplo de uso
Query
SELECT alphaTokens('abca1abc');
Response
┌─alphaTokens('abca1abc')─┐
│ ['abca','abc']          │
└─────────────────────────┘

​
arrayStringConcat

Introducido en: v1.1.0 Concatena las representaciones en forma de cadena de los valores incluidos en el array usando el separador proporcionado, que es un parámetro opcional cuyo valor predeterminado es una cadena vacía. Sintaxis 
arrayStringConcat(arr[, separator])
Alias: array_to_string Argumentos
  • arr — El array que se va a concatenar. Array(T)
  • separator — Opcional. Cadena separadora. De forma predeterminada, una cadena vacía. const String
Valor devuelto Devuelve la cadena concatenada. String Ejemplos Ejemplo de uso
Query
SELECT arrayStringConcat(['12/05/2021', '12:50:00'], ' ') AS DateString;
Response
┌─DateString──────────┐
│ 12/05/2021 12:50:00 │
└─────────────────────┘

​
extractAllGroupsVertical

Introducido en: v20.5.0 Encuentra todos los grupos de una cadena mediante una expresión regular y devuelve un array de arrays, donde cada array contiene los fragmentos coincidentes de cada grupo, agrupados según el orden de aparición en la cadena de entrada. Sintaxis 
extractAllGroupsVertical(s, regexp)
Alias: extractAllGroups Argumentos Valor devuelto Devuelve un array de arrays, donde cada array interno contiene los grupos capturados de una coincidencia. Cada coincidencia produce un array con elementos correspondientes a los grupos de captura de la expresión regular (grupo 1, grupo 2, etc.). Si no se encuentra ninguna coincidencia, devuelve un array vacío. Array(Array(String)) Ejemplos Ejemplo de uso
Query
WITH '< Server: nginx
< Date: Tue, 22 Jan 2019 00:26:14 GMT
< Content-Type: text/html; charset=UTF-8
< Connection: keep-alive
' AS s
SELECT extractAllGroupsVertical(s, '< ([\\w\\-]+): ([^\\r\\n]+)');
Response
[['Server','nginx'],['Date','Tue, 22 Jan 2019 00:26:14 GMT'],['Content-Type','text/html; charset=UTF-8'],['Connection','keep-alive']]

​
ngrams

Disponible desde: v21.11.0 Divide una cadena UTF-8 en n-gramas de longitud N. Sintaxis 
ngrams(s, N)
Argumentos Valor devuelto Devuelve un array de n-gramas. Array(String) Ejemplos Ejemplo de uso
Query
SELECT ngrams('ClickHouse', 3);
Response
['Cli','lic','ick','ckH','kHo','Hou','ous','use']

​
reverseBySeparator

Introducido en: v26.2.0 Invierte el orden de las subcadenas de una cadena separadas por un separador especificado. Esta función divide la cadena por el separador, invierte el orden de las partes resultantes y las vuelve a unir usando el mismo separador. Resulta útil para analizar nombres de dominio, rutas de archivo u otros datos jerárquicos en los que necesites invertir el orden de los componentes. Ejemplos:
  • reverseBySeparator(‘www.google.com’) devuelve ‘com.google.www’
  • reverseBySeparator(‘a/b/c’, ’/’) devuelve ‘c/b/a’
  • reverseBySeparator(‘x::y::z’, ’::’) devuelve ‘z::y::x’
Sintaxis 
reverseBySeparator(string[, separator])
Argumentos
  • string — La cadena de entrada cuyo orden de partes se va a invertir. String
  • separator — La cadena separadora que se usa para identificar las partes. Si no se proporciona, se usa ’.’ (punto). Valor predeterminado: ’.’ String
Valor devuelto Devuelve una cadena con las subcadenas de la cadena original ordenadas de derecha a izquierda, unidas por el mismo separador. String Ejemplos Inversión básica de dominios
Query
SELECT reverseBySeparator('www.google.com')
Response
'com.google.www'
Ruta invertida
Query
SELECT reverseBySeparator('a/b/c', '/')
Response
'c/b/a'
Separador personalizado
Query
SELECT reverseBySeparator('x::y::z', '::')
Response
'z::y::x'
Caso especial con puntos
Query
SELECT reverseBySeparator('.a.b.', '.')
Response
'.b.a.'
Un solo elemento
Query
SELECT reverseBySeparator('single')
Response
'single'
Separador vacío
Query
SELECT reverseBySeparator('abcde', '')
Response
'edcba'

​
splitByChar

Introducido en: v1.1.0 Divide una cadena en un Array de subcadenas usando como separador una cadena constante separator de exactamente un carácter. Se pueden obtener subcadenas vacías si el separador aparece al principio o al final de la cadena, o si hay varios separadores consecutivos.
La configuración splitby_max_substrings_includes_remaining_string (valor predeterminado: 0) controla si la cadena restante se incluye en el último elemento del Array resultante cuando el argumento max_substrings > 0.
Se pueden obtener subcadenas vacías cuando:
  • Un separador aparece al principio o al final de la cadena
  • Hay varios separadores consecutivos
  • La cadena original s está vacía
Sintaxis 
splitByChar(separator, s[, max_substrings])
Argumentos
  • separator — El separador debe ser un carácter de un solo byte. String
  • s — La cadena que se debe dividir. String
  • max_substrings — Opcional. Si max_substrings > 0, el array devuelto contendrá como máximo max_substrings subcadenas; de lo contrario, la función devolverá tantas subcadenas como sea posible. El valor predeterminado es 0. Int64
Valor devuelto Devuelve un array de las subcadenas seleccionadas. Array(String) Ejemplos Ejemplo de uso
Query
SELECT splitByChar(',', '1,2,3,abcde');
Response
┌─splitByChar(⋯2,3,abcde')─┐
│ ['1','2','3','abcde']    │
└──────────────────────────┘

​
splitByNonAlpha

Introducido en: v21.9.0 Divide en un array de subcadenas una cadena delimitada por caracteres de espacio en blanco y de puntuación.
La configuración splitby_max_substrings_includes_remaining_string (predeterminada: 0) controla si la cadena restante se incluye en el último elemento del array resultante cuando el argumento max_substrings > 0.
Sintaxis 
splitByNonAlpha(s[, max_substrings])
Argumentos
  • s — La cadena que se va a dividir. String
  • max_substrings — Opcional. Cuando max_substrings > 0, las subcadenas devueltas no serán más de max_substrings; de lo contrario, la función devolverá tantas subcadenas como sea posible. Valor predeterminado: 0. Int64
Valor devuelto Devuelve un Array de subcadenas seleccionadas de s. Array(String) Ejemplos Ejemplo de uso
Query
SELECT splitByNonAlpha('user@domain.com');
Response
['user','domain','com']

​
splitByRegexp

Introducido en: v21.6.0 Divide una cadena separada por la expresión regular proporcionada en un array de subcadenas. Si la expresión regular proporcionada está vacía, la cadena se dividirá en un array de caracteres individuales. Si no se encuentra ninguna coincidencia para la expresión regular, la cadena no se dividirá. Pueden seleccionarse subcadenas vacías cuando:
  • se produce una coincidencia no vacía de la expresión regular al principio o al final de la cadena
  • hay varias coincidencias no vacías consecutivas de la expresión regular
  • la cadena original está vacía mientras que la expresión regular no lo está.
La configuración splitby_max_substrings_includes_remaining_string (valor predeterminado: 0) controla si la cadena restante se incluye en el último elemento del array de resultados cuando el argumento max_substrings > 0.
Sintaxis 
splitByRegexp(regexp, s[, max_substrings])
Argumentos
  • regexp — Expresión regular. Constante. String o FixedString
  • s — La cadena que se debe dividir. String
  • max_substrings — Opcional. Cuando max_substrings > 0, el número de subcadenas devueltas no será mayor que max_substrings; de lo contrario, la función devolverá tantas subcadenas como sea posible. Valor predeterminado: 0. Int64
Valor devuelto Devuelve un Array con las subcadenas seleccionadas de s. Array(String) Ejemplos Ejemplo de uso
Query
SELECT splitByRegexp('\\d+', 'a12bc23de345f');
Response
┌─splitByRegex⋯c23de345f')─┐
│ ['a12bc23de345f']        │
└──────────────────────────┘
Expresión regular vacía
Query
SELECT splitByRegexp('', 'abcde');
Response
┌─splitByRegexp('', 'abcde')─┐
│ ['a','b','c','d','e']      │
└────────────────────────────┘

​
splitByString

Introducido en: v1.1.0 Divide una cadena con un separator constante compuesto por varios caracteres en un array de subcadenas. Si la cadena separator está vacía, dividirá la cadena s en un array de caracteres individuales. Pueden seleccionarse subcadenas vacías cuando:
  • Un separador no vacío aparece al principio o al final de la cadena
  • Hay varios separadores no vacíos consecutivos
  • La cadena original s está vacía mientras que el separador no lo está
La configuración splitby_max_substrings_includes_remaining_string (valor predeterminado: 0) controla si la cadena restante se incluye en el último elemento del array de resultados cuando el argumento max_substrings > 0.
Sintaxis 
splitByString(separator, s[, max_substrings])
Argumentos
  • separator — El separador. String
  • s — La cadena que se va a dividir. String
  • max_substrings — Opcional. Cuando max_substrings > 0, el número de subcadenas devueltas no será mayor que max_substrings; de lo contrario, la función devolverá tantas subcadenas como sea posible. Valor predeterminado: 0. Int64
Valor devuelto Devuelve un array con las subcadenas obtenidas de s Array(String) Ejemplos Ejemplo de uso
Query
SELECT splitByString(', ', '1, 2 3, 4,5, abcde');
Response
┌─splitByStrin⋯4,5, abcde')─┐
│ ['1','2 3','4,5','abcde'] │
└───────────────────────────┘
Separador en blanco
Query
SELECT splitByString('', 'abcde');
Response
┌─splitByString('', 'abcde')─┐
│ ['a','b','c','d','e']      │
└────────────────────────────┘

​
splitByWhitespace

Introducido en: v21.9.0 Divide una cadena separada por caracteres de espacio en blanco en un array de subcadenas.
La configuración splitby_max_substrings_includes_remaining_string (por defecto: 0) controla si la cadena restante se incluye en el último elemento del array de resultado cuando el argumento max_substrings > 0.
Sintaxis 
splitByWhitespace(s[, max_substrings])
Argumentos
  • s — La cadena que se va a dividir. String
  • max_substrings — Opcional. Cuando max_substrings > 0, las subcadenas devueltas no serán más de max_substrings; de lo contrario, la función devolverá tantas subcadenas como sea posible. Valor predeterminado: 0. Int64
Valor devuelto Devuelve un array con las subcadenas seleccionadas de s. Array(String) Ejemplos Ejemplo de uso
Query
SELECT splitByWhitespace('  1!  a,  b.  ');
Response
['1!','a,','b.']

​
tokens

Introducido en: v21.11.0 Divide una cadena en tokens usando el tokenizador indicado. Tokenizadores disponibles:
  • splitByNonAlpha divide cadenas por caracteres ASCII no alfanuméricos (consulte también la función splitByNonAlpha).
  • splitByString(S) divide cadenas usando determinadas cadenas separadoras S definidas por el usuario (consulte también la función splitByString). Los separadores pueden especificarse mediante un parámetro opcional; por ejemplo, tokens(value, 'splitByString', [', ', '; ', '\n', '\\']). Tenga en cuenta que cada cadena puede constar de varios caracteres (', ' en el ejemplo). La lista de separadores predeterminada, si no se especifica explícitamente, es un único espacio en blanco [' '].
  • asciiCJK divide cadenas en tokens usando reglas de límite de palabra de Unicode (similares a UAX #29). Los caracteres ASCII alfanuméricos y los guiones bajos forman tokens con conectores (: para letras, . y ' para caracteres del mismo tipo). Los caracteres Unicode no ASCII pasan a ser tokens de un solo carácter.
  • ngrams(N) divide cadenas en n-gramas de tamaño uniforme N (consulte también la función ngrams). La longitud del n-grama puede especificarse mediante un parámetro entero opcional entre 1 y 8; por ejemplo, tokens(value, 'ngrams', 3). El tamaño predeterminado del n-grama, si no se especifica explícitamente, es 3.
  • sparseGrams(min_length, max_length, min_cutoff_length) divide cadenas en n-gramas de longitud variable de al menos min_length y como máximo max_length caracteres (inclusive) (consulte también la función sparseGrams). A menos que se especifique explícitamente, min_length y max_length toman los valores predeterminados 3 y 100. Si se proporciona el parámetro min_cutoff_length, solo se devuelven n-gramas con una longitud mayor o igual que min_cutoff_length. En comparación con ngrams(N), el tokenizador sparseGrams produce n-gramas de longitud variable, lo que permite una representación más flexible del texto original. Por ejemplo, tokens(value, 'sparseGrams', 3, 5, 4) genera internamente 3-, 4- y 5-gramas a partir de la cadena de entrada, pero solo se devuelven los 4- y 5-gramas.
  • array no realiza tokenización; es decir, cada valor de fila es un token (consulte también la función array).
En el caso del tokenizador splitByString, si los tokens no forman un código prefijo, probablemente le convenga que la coincidencia dé prioridad a los separadores más largos. Para ello, pase los separadores en orden descendente de longitud. Por ejemplo, con separators = ['%21', '%'], la cadena %21abc se tokenizaría como ['abc'], mientras que separators = ['%', '%21'] se tokenizaría como ['21ac'] (que probablemente no es lo que quería). Sintaxis 
tokens(value) -- tokenizador 'splitByNonAlpha'
tokens(value, 'splitByNonAlpha')
tokens(value, 'splitByString'[, separators])
tokens(value, 'asciiCJK')
tokens(value, 'ngrams'[, n])
tokens(value, 'sparseGrams'[, min_length, max_length[, min_cutoff_length]])
tokens(value, 'array')
Argumentos
  • value — La cadena de entrada. String o FixedString
  • tokenizer — El tokenizador que se va a usar. Los argumentos válidos son splitByNonAlpha, splitByString, asciiCJK, ngrams, sparseGrams y array. Es opcional; si no se establece explícitamente, el valor predeterminado es splitByNonAlpha. const String
  • n — Solo es relevante si el argumento tokenizer es ngrams: un parámetro opcional que define la longitud de los ngrams. Si no se establece explícitamente, el valor predeterminado es 3. const UInt8
  • separators — Solo es relevante si el argumento tokenizer es split: un parámetro opcional que define las cadenas separadoras. Si no se establece explícitamente, el valor predeterminado es [' ']. const Array(String)
  • min_length — Solo es relevante si el argumento tokenizer es sparseGrams: un parámetro opcional que define la longitud mínima de los gramas; el valor predeterminado es 3. const UInt8
  • max_length — Solo es relevante si el argumento tokenizer es sparseGrams: un parámetro opcional que define la longitud máxima de los gramas; el valor predeterminado es 100. const UInt8
  • min_cutoff_length — Solo es relevante si el argumento tokenizer es sparseGrams: un parámetro opcional que define la longitud mínima de corte. const UInt8
Valor devuelto Devuelve el array de tokens resultante de la cadena de entrada. Array Ejemplos Tokenizador predeterminado
Query
SELECT tokens('test1,;\\\\ test2,;\\\\ test3,;\\\\   test4') AS tokens;
Response
['test1','test2','test3','test4']
Tokenizador de ngramas
Query
SELECT tokens('abc def', 'ngrams', 3) AS tokens;
Response
['abc','bc ','c d',' de','def']

​
tokensForLikePattern

Introducido en: v26.3.0 Divide una cadena de patrón LIKE en tokens mediante el tokenizador especificado. A diferencia de la función tokens, esta función tiene en cuenta la semántica de los patrones LIKE (como los caracteres comodín al principio y al final) y aplica reglas específicas del tokenizador para extraer tokens significativos para la coincidencia de patrones. Admite los mismos conjuntos de argumentos que la función tokens; los argumentos adicionales después de tokenizer se interpretan según el tokenizador seleccionado (por ejemplo, n para ngrams, separators para splitByString, y min_length / max_length [/ min_cutoff_length] para sparseGrams). Esta función está pensada principalmente para tareas de depuración y pruebas, y se utiliza internamente para analizar el comportamiento de la tokenización en patrones LIKE. Sintaxis 
tokensForLikePattern(value[, tokenizer[, tokenizer_specific_arguments...]])
Argumentos
  • value — La cadena de entrada. String o FixedString
  • tokenizer — El tokenizador que se utilizará. Los argumentos válidos son splitByNonAlpha, splitByString, asciiCJK, ngrams, sparseGrams y array. Es opcional; si no se establece explícitamente, el valor predeterminado es splitByNonAlpha. const String
  • n — Solo es relevante si el argumento tokenizer es ngrams: un parámetro opcional que define la longitud de los ngrams. Si no se establece explícitamente, el valor predeterminado es 3. const UInt8
  • separators — Solo es relevante si el argumento tokenizer es split: un parámetro opcional que define las cadenas separadoras. Si no se establece explícitamente, el valor predeterminado es [' ']. const Array(String)
  • min_length — Solo es relevante si el argumento tokenizer es sparseGrams: un parámetro opcional que define la longitud mínima del gram; el valor predeterminado es 3. const UInt8
  • max_length — Solo es relevante si el argumento tokenizer es sparseGrams: un parámetro opcional que define la longitud máxima del gram; el valor predeterminado es 100. const UInt8
  • min_cutoff_length — Solo es relevante si el argumento tokenizer es sparseGrams: un parámetro opcional que define la longitud mínima de corte. const UInt8
Valor devuelto Devuelve el array de tokens resultante de la cadena de entrada. Array Ejemplos Tokenizador predeterminado
Query
SELECT tokensForLikePattern('%test1,test2,test3%') AS tokens;
Response
['test2']
Última modificación el 10 de junio de 2026