Metabase substring 表达式详解：从文本中精准截取子串的完整指南

Metabase substring 表达式详解：从文本中精准截取子串的完整指南

【免费下载链接】metabaseThe easy-to-use open source Business Intelligence and Embedded Analytics tool that lets everyone work with data :bar_chart:项目地址: https://gitcode.com/GitHub_Trending/me/metabase

substring是 Metabase 自定义表达式（Custom Expressions）中用于从文本中提取子串的核心函数。本文以substring(text, position, length)语法为主线，结合该开源仓库中 MBQL 表达式 schema 定义 与 SQL 编译实现，系统讲解其参数规则、左右截取实战技巧、支持的数据类型、底层工作原理，以及与regexExtract、SQL、Excel、Python 等工具的等价写法对比。读完本文，你将能够用substring高效处理 SKU 编号、ISO 编码、标准格式邮箱等定长格式文本的清洗与拆分。

函数语法与参数

substring的调用形式为：

substring(text, position, length)

例如，从邮箱地址中提取用户 ID：

substring("user_id@email.com", 1, 7)

结果为"user_id"。

参数规则要点：

• 字符串的第一个字符位于位置 1，而不是 0。这与很多编程语言（如 Python）的从 0 计数不同，但与 SQL 标准函数SUBSTRING、Excel 的MID保持一致。
• length必须是正数，即只能正向截取固定数量的字符，不支持负数长度反向截取。

从源码结构看，MBQL 层面对substring的参数做了严格的类型约束。在 src/metabase/lib/schema/expression/string.cljc#L35-L38 中，substring被定义为catn（concatenation）类型的子句，三个参数依次为：

(mbql-clause/define-catn-mbql-clause :substring :- :type/Text [:str [:schema [:ref ::expression/string]]] [:start [:schema [:ref ::expression/integer]]] [:length [:? [:schema [:ref ::expression/integer]]]])

也就是说：str参数必须是字符串表达式，start参数必须是整数表达式，length参数是可选的整数表达式，整个表达式的返回类型为:type/Text（文本）。值得注意的是，position与length并不强制要求是字面量数字——只要最终解析为整数表达式即可，这意味着可以嵌套length([列])、count等返回整数的函数（见下文"从右侧截取"）。前端表达式编译器（frontend/src/metabase/querying/expressions/test/generator.ts#L418-L424）同样将substring的参数定义为"字符串表达式 + 数字表达式 + 数字表达式"。

从左侧截取子串

当需要提取文本开头的固定长度片段时，直接设置position为1即可，这正是substring最常见的用法。

假设有一张任务表，Mission ID字段形如19951113006，前 8 位是日期/编号信息，末尾 3 位是特工编号：

创建一个名为Agent的自定义列，表达式为：

substring([Mission ID], 9, 3)

含义是：从第 9 个字符开始，连续取 3 个字符，得到006、007、008。

这类"定长、有固定格式"的字符串正是substring最擅长处理的场景——SKU 编号、ISO 国家代码、标准化的邮箱地址等，只要格式一致，就能用一条表达式稳定拆分。

从右侧截取子串

substring本身不直接支持"倒数第几个字符开始"的写法，但可以通过嵌套length函数把"从右往左数"换算成"从左往右的起始位置"。通用公式为：

1 + length([column]) - position_from_right

其中position_from_right表示从右往左数起始位置（即倒数第几个字符），length([column])返回整列文本的总长度。

仍以上述任务表为例，Agent 是末尾 3 位字符。position_from_right = 3，代入公式：

substring([Mission ID], (1 + length([Mission ID]) - 3), 3)

对19951113006而言，length为 11，起始位置为1 + 11 - 3 = 9，即从第 9 个字符起取 3 位，结果同样是006。表内计算过程如下：

这里的length也是 Metabase 的内置文本函数，其 MBQL 定义返回:type/Integer（见 src/metabase/lib/schema/expression/string.cljc#L20-L21），因此可以被substring直接当作整数表达式参数使用，印证了上面提到的"参数可以是表达式"这一特性。

接受的数据类型

substring只接受文本（String）类型作为第一个参数，其余数据类型均不支持：

因此，如果源字段是数字、日期、布尔或 JSON 等类型，需要先用类型转换表达式将其转为文本，再交给substring截取。

底层实现：substring 如何被编译成 SQL

理解substring的底层编译过程，有助于判断它在不同数据库上的行为差异。Metabase 的查询表达式会先被解析为 MBQL（Metabase BI Query Language）语法树，再经由各数据库驱动编译为对应方言的 SQL。

在通用 SQL 驱动层（src/metabase/driver/sql/query_processor.clj#L1386-L1390）中，substring被编译为标准的 SQLSUBSTRING函数：

(defmethod ->honeysql [:sql :substring] [driver [_ _opts arg start length]] (if length [:substring (->honeysql driver arg) (->honeysql driver start) (->honeysql driver length)] [:substring (->honeysql driver arg) (->honeysql driver start)]))

注意这里对可选参数length的分支处理：当未提供length时，生成的 SQL 只带两个参数（SUBSTRING(text, start)，表示从起始位置取到末尾）；提供length时生成三参数形式（SUBSTRING(text, start, length)）。

部分数据库方言需要单独适配。例如 SQLite 没有三参数的SUBSTRING，Metabase 在 src/metabase/driver/sqlite.clj#L414-L418 中将其改写为SUBSTR：

(defmethod sql.qp/->honeysql [:sqlite :substring] [driver [_ _opts arg start length]] (if length [:substr (sql.qp/->honeysql driver arg) (sql.qp/->honeysql driver start) (sql.qp/->honeysql driver length)] [:substr (sql.qp/->honeysql driver arg) (sql.qp/->honeysql driver start)]))

MySQL 驱动（src/metabase/driver/mysql.clj）则使用substring_index系列函数进行适配。也就是说：你在 Metabase 表达式中写下的substring([Mission ID], 9, 3)是数据库无关的统一写法，实际执行时由 Metabase 按目标数据库自动翻译成SUBSTRING、SUBSTR等对应方言。

限制与替代方案

substring按"固定字符数"提取文本，因此有两个天然局限：

1. 无法基于模式匹配提取：当截取规则比较复杂（如"找到最后一个00之后的所有字符"）时，substring无能为力，此时应改用regexExtract配合正则表达式。
2. 不处理空白字符：如果只是想去掉文本两端的多余空格，substring不是合适工具，应改用trim/lTrim/rTrim系列表达式——这三个函数在 src/metabase/lib/schema/expression/string.cljc#L8-L10 中被统一定义为返回文本类型的一元函数。

与其他工具/函数的等价写法

RegexExtract：模式驱动的提取

若截取规则依赖模式而非固定位置，可用regexExtract实现同样的效果。例如要提取19951113006中最后一个00及其之后的内容：

regexExtract([Mission ID], ".+(00.+)$")

其结果与substring([Mission ID], 9, 3)一致。二者取舍原则：文本格式固定 → 用substring（简单、可读性强）；格式多变或需按模式匹配 → 用regexExtract（灵活、支持正则）。

SQL

当你在 Notebook 编辑器中运行查询时，Metabase 会把图形化的查询设置（筛选、汇总、自定义列等）转换为 SQL 并在数据库中执行。如果上述示例数据存放在 PostgreSQL 中：

SELECT mission_id, SUBSTRING(mission_id, 9, 3) AS agent FROM this_message_will_self_destruct;

这段 SQL 与 Metabase 表达式substring([Mission ID], 9, 3)完全等价——这也正对应前面提到的"通用 SQL 驱动将 MBQLsubstring编译为标准SUBSTRING"的实现。

Spreadsheets（Excel / Google Sheets）

如果数据在电子表格中，且Mission ID位于 A 列：

=mid(A2,9,3)

Excel 的MID函数与 Metabasesubstring等价，同为"从第 9 个字符起取 3 个字符"，且二者都从位置 1 开始计数。

Python（pandas）

假设数据在名为df的 DataFrame 中：

df['Agent'] = df['Mission ID'].str.slice(8, 11)

str.slice(8, 11)提取从索引 8（含）到索引 11（不含）的字符，即第 9～11 个字符，与substring([Mission ID], 9, 3)结果相同。注意 Python 字符串索引从 0 开始，因此这里写的是8, 11而不是9, 3，这也提醒你：跨工具迁移时务必留意计数基准的差异。

进一步阅读

• Metabase 自定义表达式完整列表
• 自定义表达式使用指南
• regexExtract 正则提取表达式详解
• 表达式底层编译链路：MBQL 字符串函数 schema、SQL 查询处理器、SQLite 驱动实现

【免费下载链接】metabaseThe easy-to-use open source Business Intelligence and Embedded Analytics tool that lets everyone work with data :bar_chart:项目地址: https://gitcode.com/GitHub_Trending/me/metabase