Regex 如何替换仅出现在事物之间的分隔符？

我有一个使用此数据的用例：

1. "apple+case"
2. "apple+case+10+cover"
3. "apple+case+10++cover"
4. "+apple"
5. "iphone8+"

目前，我这样做是为了将+替换为空格，如下所示：

def normalizer(value: String): String = {
    if (value == null) {
      null
    } else {
       value.replaceAll("\\+", BLANK_SPACE)        
     }
  }

  val testUDF = udf(normalizer(_: String): String)

  df.withColumn("newCol",  testUDF($"value"))

但这将取代所有的“+”。如何替换字符串之间的“+”，同时处理诸如“apple+case+10++cover”=>“apple case 10+cover”之类的用例

---

您可以尝试替换两个正则表达式：

df.withColumn("newCol", regexp_replace(
    regexp_replace(testUDF("value"), "(?<=\d)\+(?!\+)", "+ "),
    "(?<!\d)\+", " ")).show

然后，外部正则表达式的替换对象是前面没有数字的所有加号，并用空格替换它们。示例，从上面继续：

apple+case+10+ cover -->  apple case 10+ cover

---

您可以使用

regexp\u replace

而不是udf来执行此操作，它应该更快。在大多数情况下，您可以在regexp中使用负前瞻，但对于“+apple”，您实际上希望将“+”替换为“”（而不是空格）。最简单的方法是简单地使用regexp

df.withColumn("newCol", regexp_replace($"value", "^\\+", ""))
  .withColumn("newCol", regexp_replace($"newCol", "\\+(?!\\+|$)", " "))

这将提供：

+--------------------+--------------------+
|value               |newCol              |
+--------------------+--------------------+
|apple+case          |apple case          |
|apple+case+10+cover |apple case 10 cover |
|apple+case+10++cover|apple case 10+ cover|
|+apple              |apple               |
|iphone8+            |iphone8+            |
+--------------------+--------------------+

---

为了使其更加模块化和可重用，您可以将其定义为一个函数：

def normalizer(c: String) = regexp_replace(regexp_replace(col(c), "^\\+", ""), "\\+(?!\\+|$)", " ")

df.withColumn("newCol", normalizer("value"))

---

这并不能取代“Apple + Case+ 10 +覆盖”和“Apple + Case+ 10 + +覆盖”-通过这一测试似乎只适用于单一的“+”，我认为“代码> Apple + Case+ 10 +覆盖< /代码>是坏数据。你真的有这些数据吗？是的。它是一个常见的用例。至少我希望++替换为单个“”（最坏情况解决方案）testUDF（“值”）应该已经替换字符串中的所有+，对吗？tat应该是外部的吗？@user3407267请检查更新的答案，它现在应该可以工作了。问题是我需要在多个DFs中应用这一点，这就是为什么认为UDF是更干净的方法。请让我知道，如果你有任何其他更干净，更快的方法，我可以应用于多个领域DFs@user3407267：如果您想，您只需将regexp放入您的UDF中，它仍然可以工作。但是您也可以在方法中使用

regexp\u replace

（保持速度），我在答案中添加了一些信息。

+--------------------+--------------------+
|value               |newCol              |
+--------------------+--------------------+
|apple+case          |apple case          |
|apple+case+10+cover |apple case 10 cover |
|apple+case+10++cover|apple case 10+ cover|
|+apple              |apple               |
|iphone8+            |iphone8+            |
+--------------------+--------------------+

def normalizer(c: String) = regexp_replace(regexp_replace(col(c), "^\\+", ""), "\\+(?!\\+|$)", " ")

df.withColumn("newCol", normalizer("value"))