Question

我有一些电话记录的以下数据，我想从每个记录中删除前两个值，因为它们是国家/地区代码。谁能让我知道使用scala，spark或Hive进行此操作的方式。

DrawMargins = (drawMargins)LayoutInflater.from(context).inflate(R.layout.activity_live_preview,null).findViewById(R.id.Draw);

            Margin eyeNose = new Margin(marginX(),marginY());


        Margin drawOnScreen = onScreen(correspondingOnScreen(eyeNose,NEMargin,SEMargin,SWMargin,NWMargin,0),0,8,0,8,0 );    


    DrawMargins.updateMargin(drawOnScreen);

我希望结果是：

phone
|917799423934|
|019331224595|
|  8981251522|
|917271767899|

如何从该列的每条记录或每一行中删除前缀91,01。

Answer 1

我相信有一个改进，它希望包含或包含等价物的列表，但是这里有：

import org.apache.spark.sql.functions._

case class Tel(telnum: String)
val ds = Seq(
     Tel("917799423934"),
     Tel("019331224595"),
     Tel("8981251522"),
     Tel("+4553")).toDS()

val ds2 = ds.withColumn("new_telnum", when(expr("substring(telnum,1,2)") === "91" || expr("substring(telnum,1,2)") === "01", expr("substring(telnum,3,length(telnum)-2)")).otherwise(col("telnum"))) 

ds2.show

返回：

+------------+----------+
|      telnum|new_telnum|
+------------+----------+
|917799423934|7799423934|
|019331224595|9331224595|
|  8981251522|8981251522|
|       +4553|     +4553|
+------------+----------+

我们可能需要考虑+，但没有说明。

Answer 2

电话大小可以不同，可以使用这种构造（Scala）：

df.withColumn("phone", expr("substring(phone,3,length(phone)-2)"))

Answer 3

如果它们是字符串，则用于Hive查询：

sql("select substring(phone,3) from table").show

Answer 4

使用正则表达式

使用regexp_replace（如有必要，添加更多扩展代码）：

select regexp_replace(trim(phone),'^(91|01)','') as phone --removes leading 91, 01 and all leading and trailing spaces
from table;

与regexp_extract相同：

select regexp_extract(trim(phone),'^(91|01)?(\\d+)',2) as phone --removes leading and trailing spaces, extract numbers except first (91 or 01) 
from table;

如何有条件地从列中删除前2个字符

4 个答案: