PySpark：使用Regex删除空格后的字符-数字组合

我有一列字符串，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。我用各种方式尝试了下面的代码，但它一直给我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，如果您将此问题与列表一起使用，请替换“我会得到它”。谢谢您

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

见

详细信息

• ^

  -字符串的开头

• \s*

  -0+空格

• （\S+）

  -第1组（在替换模式中以

  $1

  表示）：任何1个或多个非空白字符

• *

  -字符串的其余部分，除换行符以外的0个或更多字符，尽可能多

---

替换模式中的

$1

replacement backreference只保留结果中的第1组值。

Try

regexp\u replace（'mycolumn'，r'^\s*（\s+）.*，'r'\1'）

这将为每行返回1。您是否使用

r'\1'

作为替换？那么，请尝试

regexp\u extract（'mycolumn'，r'^\s*（\s+），1）

不清楚您的环境遵循什么样的正则表达式语法。请尝试使用

regexp\u替换（'mycolumn'，'^\\s*（\\s+.*'，'$1'）

。或者替换为

'\\1'

。这是一个好主意。