我在Databricks上使用spark sql進行資料分析，我想格式化一些欄位，但這有點棘手。
我有兩個欄位，perfume并且brand，我想要的是，洗掉brand名稱只能從結束了的perfume列。
這是一個例子：
我試過這個：
SELECT substring_index(perfume,brand,1),brand FROM global_temp.gv_web
這種方法僅適用于某些欄位，但在某些情況下，它會從香水欄位中洗掉所有名稱，如下例所示：
洗掉的欄位是：
Halloween Fever Halloween
Versace Pour Femme Versace
Clinique Happy Summer Spray 2009 Clinique
請問我該如何解決這個問題？
uj5u.com熱心網友回復：
您可以使用regexp_replace此正則運算式的功能：
(\s*BRAND\s*)*$ # removes all brand names that comes at the end
對于香水名稱與品牌名稱相同的情況，則輸出regexp_replace將為空字串，使用 when 運算式可以檢查它是否為空，然后使用品牌名稱：
SELECT CASE WHEN trim(regexp_replace(perfume, format_string('(\\s*%s\\s*)*$', brand), '')) <> ''
THEN regexp_replace(perfume, format_string('(\\s*%s\\s*)*$', brand), '')
ELSE brand
END AS perfume,
brand
FROM global_temp.gv_web
轉載請註明出處，本文鏈接：https://www.uj5u.com/qukuanlian/408767.html
標籤：