Scala 如何使用带管道的多字符分隔符进行拆分？

我正在尝试基于分隔符拆分spark中数据帧的字符串列“：：”

测试代码：

dataframe1
.withColumn("splitColumn", split(col("testcolumn"), ":|:|:"))

dataframe1
.withColumn("part1", split(col("testcolumn"), ":|:|:").getItem(0))
.withColumn("part2", split(col("testcolumn"), ":|:|:").getItem(3))
.withColumn("part3", split(col("testcolumn"), ":|:|:").getItem(6))

结果:

+------------------------------+
|splitColumn                   |
+------------------------------+
|[TEST, |, |, 51, |, |, P]     |   
+------------------------------+

测试代码：

dataframe1
.withColumn("splitColumn", split(col("testcolumn"), ":|:|:"))

dataframe1
.withColumn("part1", split(col("testcolumn"), ":|:|:").getItem(0))
.withColumn("part2", split(col("testcolumn"), ":|:|:").getItem(3))
.withColumn("part3", split(col("testcolumn"), ":|:|:").getItem(6))

零件1和零件2工作正常。 第3部分只有2个字符，字符串的其余部分被截断

第三部分：

P

我想得到整个part3字符串。

---

非常感谢您的帮助。

您就快到了–只需在您的分隔符中转义

，如下所示：

val df = Seq(
  (1, "TEST:|:|:51:|:|:PHT054008056"),
  (2, "TEST:|:|:52:|:|:PHT053007057")
).toDF("id", "testcolumn")

df.withColumn("part3", split($"testcolumn", ":\\|:\\|:").getItem(2)).show
// +---+--------------------+------------+
// | id|          testcolumn|       part3|
// +---+--------------------+------------+
// |  1|TEST:|:|:51:|:|:P...|PHT054008056|
// |  2|TEST:|:|:52:|:|:P...|PHT053007057|
// +---+--------------------+------------+

[更新]

您还可以使用三重引号作为分隔符，在这种情况下，您仍然必须转义

，以指示它是文字管道（而不是正则表达式中的

或
）：

请注意，使用三重引号时，您只需要一个转义字符
\
，而没有三重引号时，转义字符本身需要转义（因此
\
）