regex - PySpark：使用正则表达式删除空格后的字符数字组合

Question

我有一列充满字符串，其中一些是这样的：“ Telefon T1”，“ Post P2，......现在我想删除单词后面的所有内容。例如，Telefon T1 变成了简单的 Telefon。我尝试了以下代码以各种方式，但它不断给我elephon。

df = df.withColumn('mycolumn', regexp_replace('mycolumn', '[*[ ]?[A-Z]?\d$]'', "")) 

这不是一个 pyspark 问题，而是一个正则表达式问题。因此，如果您将此与列表一起使用，请替换“我会得到它”。谢谢

标签： regexstringpysparkcharacterdata-cleaning

Answer 1

您可以使用

df = df.withColumn('mycolumn', regexp_replace('mycolumn', '^\\s*(\\S+).*', '$1'))

查看正则表达式演示

细节

• ^- 字符串的开始
• \s*- 0+ 个空格
• (\S+)- 第 1 组（从替换模式中引用$1）：任何 1 个或多个非空白字符
• .*- 字符串的其余部分，除换行符之外的 0 个或多个字符，尽可能多。

替换模式中的$1替换反向引用仅将 Group 1 值保留在结果中。