Databricks Spark SQL中的字符串比较 [英] String comparison in Databricks Spark SQL

问题描述

 在substring（promo_name，instr（promo_name， P0&），2）= P0&时选择不同的
 promo_name 
，大小写
 ;然后当substring（promo_name，instr（promo_name， P1），2）= P1时为0 
；然后1 
当substring（promo_name，instr（promo_name， P01），3）= P01时，然后当substring（promo_name，instr（promo_name， P2），2）= P2时为1 
；然后2 
当substring（promo_name，instr（promo_name， P02），3）= P02时，然后当substring（promo_name，instr（promo_name， P3），2）= P3时为2 
；然后，当substring（promo_name，instr（promo_name， P03），3）= P03时，则为3 
；然后当substring（promo_name，instr（promo_name， P4），2）= P4时为3 
；然后，当substring（promo_name，instr（promo_name， P04），3）= P04时，则为4 
；然后，当substring（promo_name，instr（promo_name， P5），2）= P5时，则为4 
；然后当substring（promo_name，instr（promo_name， P05），3）= P05时为5 
；然后当substring（promo_name，instr（promo_name， P6），2）= P6时为5 
；然后，当substring（promo_name，instr（promo_name， P06），3）= P06时，则为6 
；然后当substring（promo_name，instr（promo_name， P7），2）= P7时，则为6 
；然后，当substring（promo_name，instr（promo_name， P07），3）= P07时，则为7 
；然后，当trim（substring（promo_name，instr（promo_name， P8），2））= P8时，则为7 
。然后，当trim（substring（promo_name，instr（promo_name， P08''），3））= P08时，8 
然后，当trim（substring（promo_name，instr（promo_name， P9），2））= P9时，则为8 
。然后，当trim（substring（promo_name，instr（promo_name， P09），3））= P09时，则为9 
。然后，当trim（substring（promo_name，instr（promo_name， P10），3））= P10时，则为9 
。然后，当trim（substring（promo_name，instr（promo_name， P11），3））= P11时，则为10 
。然后，当trim（substring（promo_name，instr（promo_name， P12），3））= P12时，11 
然后12 
  

否则0结尾为promo_id
，在trim（substring（promo_name，instr （promo_name， P10），3））＝ P10。然后，当trim（substring（promo_name，instr（promo_name， P11），3））= P11时，则为10
然后，当trim（substring（promo_name，instr（promo_name， P12），3））= P12时，11
然后，当trim（substring（promo_name，instr（promo_name， P13），3））= P13时，则为12
然后，当trim（substring（promo_name，instr（promo_name， P14），3））= P14时，13
然后14
，否则0结尾为hbi_dns_protected.store_zones_stock_v7_1_4
的id
，其中promo_name不为空

尝试从String中提取ID，从P10到P14，当我在单独的列中使用时，当我在同一列中使用时，只选择1而不是11，而不是12等等...

我犯了一个错误这里？

NB正则表达式区分大小写。如果需要捕获小写或大写的P，则可以使用字符类，即 [pP] 。

对所使用的RegEx模式的完整说明：

1. 正则表达式以空格字符和大写字母P开头。这实际上将匹配空格和大写字母P。如果要使匹配不区分大小写，则可以使用字符类，例如 [pP] ，它表示匹配括号中的任何字符（区分大小写）


2. RegEx的下一个组件是（\\d +）。它由用于匹配数字的RegEx模式 \d 和 + 符号组成，表示匹配一个或者更多'。方括号将其分成一个组，即第1组。 \d 有一个额外的斜杠，这是<$ c $的Spark SQL实现所需的转义字符。 c> regexp_extract 。


3. regexp_extract 的最后一个参数的值为1，表示返回组函数中的1

我使用 regex101.com 用于测试和使用RegEx表达式。

select distinct
 promo_name 
  ,case 
    when substring(promo_name,instr(promo_name, "P0"),2)  = "P0"   then 0
    when substring(promo_name,instr(promo_name, "P1"),2)  = "P1"   then 1
    When substring(promo_name,instr(promo_name, "P01"),3) = "P01"  then 1
    when substring(promo_name,instr(promo_name, "P2"),2)  = "P2"   then 2 
    When substring(promo_name,instr(promo_name, "P02"),3) = "P02"  then 2  
    when substring(promo_name,instr(promo_name, "P3"),2)  = "P3"   then 3 
    when substring(promo_name,instr(promo_name, "P03"),3) = "P03"  then 3
    when substring(promo_name,instr(promo_name, "P4"),2)  = "P4"   then 4  
    when substring(promo_name,instr(promo_name, "P04"),3) = "P04"  then 4 
    when substring(promo_name,instr(promo_name, "P5"),2)  = "P5"   then 5
    when substring(promo_name,instr(promo_name, "P05"),3) = "P05"  then 5
    when substring(promo_name,instr(promo_name, "P6"),2)  = "P6"   then 6
    when substring(promo_name,instr(promo_name, "P06"),3) = "P06"  then 6
    when substring(promo_name,instr(promo_name, "P7"),2)  = "P7"   then 7
    when substring(promo_name,instr(promo_name, "P07"),3) = "P07"  then 7 
    when trim(substring(promo_name,instr(promo_name, "P8"),2))  ="P8"  then 8 
    when trim(substring(promo_name,instr(promo_name, "P08"),3)) ="P08" then 8
    when trim(substring(promo_name,instr(promo_name, "P9"),2))  ="P9"  then 9
    when trim(substring(promo_name,instr(promo_name, "P09"),3)) ="P09" then 9
    when trim(substring(promo_name,instr(promo_name, "P10"),3)) ="P10" then 10 
    when trim(substring(promo_name,instr(promo_name, "P11"),3)) ="P11" then 11
    when trim(substring(promo_name,instr(promo_name, "P12"),3)) ="P12" then 12 

else 0 end as promo_id ,Case when trim(substring(promo_name,instr(promo_name, "P10"),3)) = "P10" then 10 when trim(substring(promo_name,instr(promo_name, "P11"),3)) = "P11" then 11 when trim(substring(promo_name,instr(promo_name, "P12"),3)) = "P12" then 12 when trim(substring(promo_name,instr(promo_name, "P13"),3)) = "P13" then 13 when trim(substring(promo_name,instr(promo_name, "P14"),3)) = "P14" then 14 else 0 end as id from hbi_dns_protected.store_zones_stock_v7_1_4 where promo_name is not null

Trying to extract ID from String, it works fine from P10 to P14 when I use in a separate column, when I do in the same column it just pick 1 instead of 11, 1 instead of 12 etc...

Am I making an mistake here? sample data

解决方案

Why not use regexp_extract to do a RegEx extraction from your string, rather than write code for each case, something like:

%sql
SELECT *,
  regexp_extract( promo_name, ' P(\\d+)', 1 ) AS promoNumber
FROM tmp

My results:

NB The regex is case-sensitive. If you have a requirement to capture either lower or upper case Ps, then you could use a character class ie [pP] instead.

A full explanation of the RegEx pattern used:

1. the regex starts off with a space character and a capital P. This will match literally a space and a capital P. If you want to make the match case-insensitive, you can use a character class eg [pP] which says match any character (case-sensitive) in the brackets
2. The next component of the RegEx is (\\d+). This is made up of the RegEx pattern \d for matching digits, the + symbol which means, 'match one or more'. The brackets make it into a group, which is group 1. The \d has an additional slash which is an escape character required for the Spark SQL implementation of regexp_extract.
3. the last argument of regexp_extract has the value of 1 which means 'return group 1 from the function'

I use regex101.com for testing and practicing with RegEx expressions.

这篇关于Databricks Spark SQL中的字符串比较的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！