Scala 如何从逗号分隔的字符串中提取最后一个元素？

使用此查询：

sql("SELECT _location, count(1) FROM tablaTemporal group by _location order by 2 desc" )

我收到以下输出：

+--------------------------------+--------+
|_location                       |count(1)|
+--------------------------------+--------+
|London, United Kingdom          |15      |
|United States                   |12      |
|Bangalore, India                |8       |
|Hyderabad, India                |7       |
|Paris, France                   |6       |
|San Francisco, CA, United States|6       |
|Mountain View, CA, United States|4       |
|Pune, India                     |4       |
|Bengaluru, Karnataka, India     |3       |
+--------------------------------+--------+

但我需要的结果是：

+--------------------------------+--------+
|_location                       |count(1)|
+--------------------------------+--------+
|United States                   |22      |
|India                           |22      | 
|United Kingdom                  |15      |
|France                          |6       |
+--------------------------------+--------+

因此，我需要使用以下句子：

sql("SELECT SubstringOfLocationFromCharComma(_location), count(1) FROM tablaTemporal group by _location order by 2 desc" )

---

如何从逗号分隔的字符串中提取最后一个元素？

您可以使用

regexp\u extract

import org.apache.spark.sql.functions._

val df = Seq(
  "London, United Kingdom", "Bengaluru, Karnataka, India"
).toDF("_location")

df.select(regexp_extract($"_location", ".*,([^,]*)$", 1).alias("country")).show

// +---------------+
// |        country|
// +---------------+
// | United Kingdom|
// |          India|
// +---------------+

---

您可以使用

regexp\u extract

import org.apache.spark.sql.functions._

val df = Seq(
  "London, United Kingdom", "Bengaluru, Karnataka, India"
).toDF("_location")

df.select(regexp_extract($"_location", ".*,([^,]*)$", 1).alias("country")).show

// +---------------+
// |        country|
// +---------------+
// | United Kingdom|
// |          India|
// +---------------+

---

由于国家名称是逗号后的最后一个元素，因此也可以执行以下操作：

df.show(false)
+--------------------------------+
|a                               |
+--------------------------------+
|Mountain View, CA, United States|
|Pune, India                     |
|Bengaluru, Karnataka, India     |
+--------------------------------+


df.withColumn("a" , split($"a", ",") ).withColumn("a" , expr("a[ size(a) -1 ] ") ).show
+--------------+
|a             |
+--------------+
| United States|
| India        |
| India        |
+--------------+

---

然后是一个

groupBy（$“a”）.agg（sum（$“count（1）”）.as（“count”）

，以获得所需的结果。

由于国家名称是逗号后的最后一个元素，您还可以执行以下操作：

df.show(false)
+--------------------------------+
|a                               |
+--------------------------------+
|Mountain View, CA, United States|
|Pune, India                     |
|Bengaluru, Karnataka, India     |
+--------------------------------+


df.withColumn("a" , split($"a", ",") ).withColumn("a" , expr("a[ size(a) -1 ] ") ).show
+--------------+
|a             |
+--------------+
| United States|
| India        |
| India        |
+--------------+

---

接下来是一个

groupBy（$“a”）.agg（sum（$“count（1）”）.as（“count”）

，以实现所需的结果。

有一种说法，当您遇到问题并使用正则表达式来解决时，您会立即遇到两个问题：）好的ol'

拆分

函数有什么问题吗？@JacekLaskowski这不是可怜的开发人员所说的吗？StackOverflow工作不正常。scala:106:value$不是StringContext的成员[error]val df2=df。选择（regexp_extract（$“\u location”，“*，（[^，]*）$”，1）。别名（“locationSplitted”））可能是因为我在使用SBT，因为在作用域中没有隐式转换。有一句话说，当你遇到问题并使用正则表达式来解决它时，你会立即遇到两个问题：）好的ol'

split

函数有什么问题吗？@JacekLaskowski不是可怜的开发人员说的吗？StackOverflow工作不正常。scala:106:value$不是StringContext[error]val df2=df的成员。select（regexp_extract（$“\u location”，“*，（[^，]*）$”，1）。别名（“locationSplitted”））可能是因为我正在使用SBTBE，因为范围中没有隐式转换