Regex 如何在pyspark中使用多个正则表达式组？

我想在两个正则表达式组之间插入一个符号

我的代码如下：

df = spark.createDataFrame([('ab',)], ['str'])
df = df.select(
  concat(
    regexp_extract('str', r'(\w)(\w)', 1),  # extract the first group
    lit(' '),                               # add symbol
    regexp_extract('str', r'(\w)(\w)', 2)   # add the second group
  ).alias('d')).collect()
print(df)

---

有更好的方法吗？

您可以使用

regexp\u替换

捕获组：

import pyspark.sql.functions as F

df.select(F.regexp_replace('str', r'(\w)(\w)', '$1 $2').alias('d')).show()
+---+
|  d|
+---+
|a b|
+---+

---

谢谢我尝试用标准的

re

组标记替换（'str'，r'（\w）（\w）（\w）“，\1\2'），但没有成功。pyspark中

$

的使用是否有文档记录？没有，这是java正则表达式的一个特性