Unicode
Функции для работы с Unicode строками.
Список функций
-
Unicode::IsUtf(String) -> Bool
Проверяет является ли строка валидной utf-8 последовательностью. Например, строка
"\xF0"
не является валидной utf-8 последовательностью, а строка"\xF0\x9F\x90\xB1"
корректно описывает utf-8 emoji с котиком. -
Unicode::GetLength(Utf8{Flags:AutoMap}) -> Uint64
Возвращает длину utf-8 строки в символах (unicode code points). Суррогатные пары учитываются как один символ.
SELECT Unicode::GetLength("жніўня"); -- 6
-
Unicode::Find(string:Utf8{Flags:AutoMap}, subString:Utf8, [pos:Uint64?]) -> Uint64?
-
Unicode::RFind(string:Utf8{Flags:AutoMap}, subString:Utf8, [pos:Uint64?]) -> Uint64?
Поиск первого(
RFind
- последнего) вхождения подстроки в строку начиная с позицииpos
. Возвращает позицию первого символа от найденной подстроки, в случае неуспеха возвращается Null.
SE``LECT Unicode::Find("aaa", "bb"); -- Null
-
Unicode::Substring(string:Utf8{Flags:AutoMap}, from:Uint64?, len:Uint64?) -> Utf8
Возвращает подстроку от
string
начиная с символаfrom
длиной вlen
символов. Если аргументlen
опущен, то подстрока берется до конца исходной строки.
В случаеfrom
больше длины исходной строки, возвращается пустая строка""
SELECT Unicode::Substring("0123456789abcdefghij", 10); -- "abcdefghij"
-
Функции
Unicode::Normalize...
приводят переданную utf-8 строку в одну из нормальных форм:Unicode::Normalize(Utf8{Flags:AutoMap}) -> Utf8
-- NFCUnicode::NormalizeNFD(Utf8{Flags:AutoMap}) -> Utf8
Unicode::NormalizeNFC(Utf8{Flags:AutoMap}) -> Utf8
Unicode::NormalizeNFKD(Utf8{Flags:AutoMap}) -> Utf8
Unicode::NormalizeNFKC(Utf8{Flags:AutoMap}) -> Utf8
-
Unicode::Translit(string:Utf8{Flags:AutoMap}, [lang:String?]) -> Utf8
Транслитерирует в латинский алфавит слова переданной строки, целиком состоящие из символов алфавита языка, переданного вторым аргументом. Если язык не указан, то транслитерация ведется с русского. Доступные языки: "kaz", "rus", "tur", "ukr".
SELECT Unicode::Translit("Тот уголок земли, где я провел"); -- "Tot ugolok zemli, gde ya provel"
-
Unicode::LevensteinDistance(stringA:Utf8{Flags:AutoMap}, stringB:Utf8{Flags:AutoMap}) -> Uint64
Вычисляет расстояние Левенштейна для переданных строк.
-
Unicode::Fold(Utf8{Flags:AutoMap}, [ Language:String?, DoLowerCase:Bool?, DoRenyxa:Bool?, DoSimpleCyr:Bool?, FillOffset:Bool? ]) -> Utf8
Выполняет case folding для переданной строки.
Параметры:Language
задается по тем же правилам, что и вUnicode::Translit()
DoLowerCase
приводит строку к нижнему регистру, по умолчаниюtrue
DoRenyxa
приводить символы с диокрифами к аналогичным латинским символам, по умолчаниюtrue
DoSimpleCyr
приводить кирилические символы с диокрифами к аналогичным латинским символам, по умолчаниюtrue
FillOffset
параметр не используется
SELECT Unicode::Fold("Kongreßstraße", false AS DoSimpleCyr, false AS DoRenyxa); -- "kongressstrasse"
SELECT Unicode::Fold("ҫурт"); -- "сурт"
SELECT Unicode::Fold("Eylül", "Turkish" AS Language); -- "eylul"
-
Unicode::ReplaceAll(input:Utf8{Flags:AutoMap}, find:Utf8, replacement:Utf8) -> Utf8
-
Unicode::ReplaceFirst(input:Utf8{Flags:AutoMap}, find:Utf8, replacement:Utf8) -> Utf8
-
Unicode::ReplaceLast(input:Utf8{Flags:AutoMap}, find:Utf8, replacement:Utf8) -> Utf8
Заменяет все/первое/последнее вхождения строки
find
вinput
наreplacement
. -
Unicode::RemoveAll(input:Utf8{Flags:AutoMap}, symbols:Utf8) -> Utf8
-
Unicode::RemoveFirst(input:Utf8{Flags:AutoMap}, symbols:Utf8) -> Utf8
-
Unicode::RemoveLast(input:Utf8{Flags:AutoMap}, symbols:Utf8) -> Utf8
Удаляются все/первое/последнее вхождения символов в наборе
symbols
изinput
. Второй аргумент интерпретируется как неупорядоченный набор символов для удаления.
SELECT Unicode::ReplaceLast("absence", "enc", ""); -- "abse"
SELECT Unicode::RemoveAll("abandon", "an"); -- "bdo"
-
Unicode::ToCodePointList(Utf8{Flags:AutoMap}) -> List<Uint32>
Разбить строку на unicode'ую последовательность codepoint'ов.
-
Unicode::FromCodePointList(List<Uint32>{Flags:AutoMap}) -> Utf8
Сформировать unicode строку из codepoint'ов.
SELECT Unicode::ToCodePointList("Щавель"); -- [1065, 1072, 1074, 1077, 1083, 1100]
SELECT Unicode::FromCodePointList(AsList(99,111,100,101,32,112,111,105,110,116,115,32,99,111,110,118,101,114,116,101,114)); -- "code points converter"
-
Unicode::Reverse(Utf8{Flags:AutoMap}) -> Utf8
Перевернуть строку.
-
Unicode::ToLower(Utf8{Flags:AutoMap}) -> Utf8
-
Unicode::ToUpper(Utf8{Flags:AutoMap}) -> Utf8
-
Unicode::ToTitle(Utf8{Flags:AutoMap}) -> Utf8
Привести регистр строки к ВЕРХНЕМУ, нижнему или Заглавному виду.
-
Unicode::SplitToList( string:Utf8?, separator:Utf8, [ DelimeterString:Bool?, SkipEmpty:Bool?, Limit:Uint64? ]) -> List<Utf8>
Разбиение строки на подстроки по разделителю.
string
-- исходная строка
separator
-- разделитель
Параметры:- DelimeterString:Bool? — считать разделитель строкой (true, по умолчанию) или набором символов "любой из" (false)
- SkipEmpty:Bool? - пропускать ли пустые строки в результате, по умолчанию false
- Limit:Uint64? - ограничение на число извлекаемых компонент, по умолчанию не ограничено; необработанный суффикс оригинальной строки возвращается последним элементом при превышении лимита
-
Unicode::JoinFromList(List<Utf8>{Flags:AutoMap}, separator:Utf8) -> Utf8
Конкатенация списка строк через
separator
в единую строку.
SELECT Unicode::SplitToList("One, two, three, four, five", ", ", 2 AS Limit); -- ["One", "two", "three, four, five"]
SELECT Unicode::JoinFromList(["One", "two", "three", "four", "five"], ";"); -- "One;two;three;four;five"
-
Unicode::ToUint64(string:Utf8{Flags:AutoMap}, [prefix:Uint16?]) -> Uint64
Конвертация из строки в число.
Второй опциональный аргумент задает систему счисления, по умолчанию 0 - автоматическое определение по префиксу.
Поддерживаемые префиксы :0x(0X)
- base-16,0
- base-8. Система по умолчанию - base-10.
Знак-
перед числом интерпретируется как в беззнаковой арифметике языка C, например-0x1
-> UI64_MAX.
В случае наличия в строке некорректных символов или выхода числа за границы ui64 функция завершается с ошибкой. -
Unicode::TryToUint64(string:Utf8{Flags:AutoMap}, [prefix:Uint16?]) -> Uint64?
Аналогично функции
Unicode::ToUint64()
, но вместо ошибки возвращаетNULL
.
SELECT Unicode::ToUint64("77741"); -- 77741
SELECT Unicode::ToUint64("-77741"); -- 18446744073709473875
SELECT Unicode::TryToUint64("asdh831"); -- Null
-
Unicode::Strip(string:Utf8{Flags:AutoMap}) -> Utf8
Вырезает из строки крайние символы Unicode-категории Space.
SELECT Unicode::Strip("\u200ыкль\u2002"u); -- "ыкль"
-
Unicode::IsAscii(string:Utf8{Flags:AutoMap}) -> Bool
Проверяет, состоит ли utf-8 строка исключительно из символов ascii.
-
Unicode::IsSpace(string:Utf8{Flags:AutoMap}) -> Bool
-
Unicode::IsUpper(string:Utf8{Flags:AutoMap}) -> Bool
-
Unicode::IsLower(string:Utf8{Flags:AutoMap}) -> Bool
-
Unicode::IsAlpha(string:Utf8{Flags:AutoMap}) -> Bool
-
Unicode::IsAlnum(string:Utf8{Flags:AutoMap}) -> Bool
-
Unicode::IsHex(string:Utf8{Flags:AutoMap}) -> Bool
Проверяют, отвечает ли utf-8 строка указанному условию.
-
Unicode::IsUnicodeSet(string:Utf8{Flags:AutoMap}, unicode_set:Utf8) -> Bool
Проверяет, состоит ли utf-8 строка
string
исключительно из символов, указанных вunicode_set
. Символы вunicode_set
нужно указывать в квадратных скобках.
SELECT Unicode::IsUnicodeSet("ваоао"u, "[вао]"u); -- true
SELECT Unicode::IsUnicodeSet("ваоао"u, "[ваб]"u); -- false