sql - 如何获取 Hive 中字符串使用的文本字节？

我在 Hive 1.2.1 表中有一些数据。我必须获取特定列的原始字节。列数据是多种语言的 html 原始数据。为了获得字符的长度，我可以使用如下的简单查询

select baseurl, LENGTH(content) from clss limit 30;

上面的查询对于字符长度是可以的，问题是对于其他是英文的文本，它们的值不正确。对于阿拉伯语中的字符，它被保存为 unicode，这就是更改字符长度的原因。有些字符是两个字节，有些是单字节。

是否有任何内置函数可以知道文本字节而不是字符？

标签： sqlhadoophivehiveql

character_length(string str)在 Jira HIVE-15979中添加了功能，它说修复版本 2.3.0。如果您无法升级您的 Hive（这很冒险），请尝试下载 UDF 源代码并构建它，然后添加 jar 并创建临时函数。