使用 PySpark 屏蔽信用卡号答案

【问题标题】：Masking credit card number using PySpark使用 PySpark 屏蔽信用卡号
【发布时间】：2020-06-30 14:02:42
【问题描述】：

我是 Spark 的新手，我需要屏蔽 Spark 数据框中的信用卡号，其中仅显示最后四位数字。该怎么做？

下面是我的桌子

    +----------+------------+
    |first_name|        card|
    +----------+------------+
    |       abc|999999999999|
    |       lmn|222222222222|
    +----------+------------+

预期输出：

    +----------+------------+
    |first_name|        card|
    +----------+------------+
    |       abc|********9999|
    |       lmn|********2222|
    +----------+------------+

【问题讨论】：

标签： apache-spark hadoop pyspark apache-spark-sql

【解决方案1】：

在 pyspark 中也可以使用 substring 函数

from pyspark.sql.types import *
tst= sqlContext.createDataFrame([("name1",9999999999),("name2",2222222222)],schema=['name','number'])
# This is assuming your card number is not a string. If not skip this cast
tst_cast = tst.withColumn("number_string",F.col('number').cast(StringType()))
tst_mask = tst_cast.withColumn("masked_number",F.concat(F.lit('******'),F.substring(F.col("number_string"),6,4)))

【讨论】：

【解决方案2】：

Seq("123456789").toDF()
.select(concat(lit("********"),regexp_extract('value',".{4}$",0)).as("card"))
.show()

+------------+
|        card|
+------------+
|********6789|
+------------+

【讨论】：

【解决方案3】：

您可以同时使用 substring 和 lpad 来生成类似的行为，

df.selectExpr("lpad(substring(card,length(card)-4,4),16,'*') as card").show()

+----------------+
|            card|
+----------------+
|************9999|
+----------------+

【讨论】：

【解决方案4】：

另一种选择-

  df.withColumn("masked_cc", expr("concat(translate(left(card, length(card)-4), '0123456789', '**********')," +
      "right(card, 4))"))
      .show(false)

    /**
      * +----------+------------+------------+
      * |first_name|card        |masked_cc   |
      * +----------+------------+------------+
      * |abc       |999999999999|********9999|
      * |lmn       |222222222222|********2222|
      * +----------+------------+------------+

【讨论】：