在 spark-sql 中拆分电子邮件地址答案

【问题标题】：splitting of email-address in spark-sql在 spark-sql 中拆分电子邮件地址
【发布时间】：2021-10-17 17:55:57
【问题描述】：

代码：

length(neutral)>0 then regexp_extract(neutral, '(.*@)', 0) else '' end as中性的情况

上面的查询返回带有@符号的输出值，例如如果输入是1234@gmail.com，那么输出是1234@。如何使用上述查询删除 @ 符号。并且结果输出应该被评估为数字，如果它包含任何非数字字符，它应该被拒绝。

示例输入：1234@gmail.com 输出：1234 示例输入：123adc@gmail.com 输出：空

【问题讨论】：

标签： sql database scala dataframe apache-spark

【解决方案1】：

您可以将正则表达式表述为^[^@]+，这将匹配电子邮件地址中的所有字符，但不包括@ 字符：

REGEXP_EXTRACT(neutral, '^[^@]+', 0) AS neutral

请注意，这种方法也很简洁，我们不必使用庞大的 CASE 表达式。

【讨论】：

【解决方案2】：

试试这个代码：

val pattern = """([0-9]+)@([a-zA-Z0-9]+.[a-z]+)""".r

val correctEmail = "1234@gmail.com"

val wrongEmail = "1234abcd@gmail.com"

def parseEmail(email: String): Option[String] = 
  
  email match {
    case pattern(id, domain) => Some(id)
    case _ => None
  }


println(parseEmail(correctEmail)) //  prints Some(1234)
println(parseEmail(wrongEmail)) // prints None

另外，使用Options 而不是null 更习惯用语

【讨论】：

模式 """([0-9]+)@([a-zA-Z0-9]+.[az]+)""" 适用于有效输入但无效输入它返回拆分值，如 678@gmail.com。如果条件失败，则输出应为 null。根据您的条件，示例输入：1234abc789@gmail.com，输出：789@gmail.com..如果它具有非数字值，则应返回 null。 @詹姆斯
这里是查询......当长度（中性）>0然后regexp_extract（中性，'（[0-9]+）@（[a-zA-Z0-9 ]+.[az]+)',0) else '' 以中立结尾@james
@Vikram 正则表达式模式仅适用于 Scala。您的regexp_extract 似乎来自apache-spark。所以请在我为你写的spark之外使用它，没有regexp_extract函数。返回null 在编程中也是一种不好的做法。请改用None，然后使用.getOrElse、get、map 或foreach 函数来使用结果。
@Vikram 你可以在这里看到正在运行的code。