Sparksql 在特殊位置后剪切字符串 [英] Sparksql cut String after special position
本文介绍了Sparksql 在特殊位置后剪切字符串的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
您好,我想做的是剪切一个 URL,使其全部采用特定格式.目前我的网址看起来像这样.
Hello what i want to do is to cut a URL so it is all in a specific Format. At the Moment my URL Looks like this.
[https://url.com/xxxxxxx/xxxxx/xxxxxx]
我只想在第三个/之后删除所有内容,然后计算我的数据,以便了解我的数据中有多少 URL.
I just want to cut everything after the third / and just Count my data so that i have an overview how much URLs i have in my data.
希望有人能帮帮我
推荐答案
用户定义函数 (UDF) 正是您所需要的.假设您有以下输入:
User-defined functions (UDFs) is what you need. Assume you have following input:
case class Data(url: String)
val urls = sqlContext.createDataFrame(Seq(Data("http://google.com/q=dfsdf"), Data("https://fb.com/gsdgsd")))
urls.registerTempTable("urls")
现在您可以定义仅从 URL 获取主机名的 UDF:
Now you can define UDF that gets only hostname from URL:
def getHost(url: String) = url.split('/')(2) //naive implementation, for example only
sqlContext.udf.register("getHost", getHost _)
并使用 SQL 转换您的数据:
And get your data transformed using SQL:
val hosts = sqlContext.sql("select getHost(url) as host from urls")
hosts.show()
结果:
+----------+
| host|
+----------+
|google.com|
| fb.com|
+----------+
如果你更喜欢 Scala DSL,你也可以使用你的 UDF:
If you prefer Scala DSL, you can use your UDF too:
import org.apache.spark.sql.functions.udf
val getHostUdf = udf(getHost _)
val urls = urls.select(getHostUdf($"url") as "host")
结果将完全相同.
这篇关于Sparksql 在特殊位置后剪切字符串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!
查看全文