正则表达式替换so spark dataframe字符串列中的点字符

Question

当我尝试替换句号“。”时Spark（Scala）的一列中使用“-”将其替换为“-”

val df3 = df2.withColumn("Current Ver", regexp_replace(col("Current Ver"), "." ,"-"))
df3.show()

例如-如果某列包含“ 2.4.0”，则在执行命令后，其输出将显示为“ ------”。

Answer 1

您应该为此使用一个类。点表示正则表达式中的任何字符：

val df3 = df2.withColumn("Current Ver", regexp_replace(col("Current Ver"), "[.]" ,"-"))
df3.show()

另一种解决方案是用反斜杠转义点。

Answer 2

不仅在Spark中，而且在几乎所有曾经创建的Regex引擎中，句号都是一个特殊字符，表示“匹配 any 字符”。如果您不想使用句点的特殊含义，则需要使用转义符对其进行转义，在Spark和几乎所有其他Regex引擎中，转义符都是反斜杠。

由于您将正则表达式作为字符串传递，并且反斜杠也是字符串中的转义字符，因此您需要对反斜杠本身进行转义，以使其在字符串中失去其特殊含义：

val df3 = df2.withColumn("Current Ver", regexp_replace(col("Current Ver"), "\\." ,"-"))

或者，您也可以使用raw字符串内插器，它不处理转义字符：

val df3 = df2.withColumn("Current Ver", regexp_replace(col("Current Ver"), raw"\." ,"-"))