Spark SQL：列值只能是a、T、G、C或N的组合

我试图查询spark表，以查找“ref”列中包含非a、T、G、C或N字母的所有行

有效结果应仅包含这些字母，并且可以包含这些字母的任意长度或组合

例如：

有效=AA、ATTTGGGCCCC、C、G、TTG、N等

无效=p，，，空

以下查询仅返回包含单个核苷酸的列：

SELECT ref
from test_set
where ref not in ('*A*', '*T*', '*G*', '*C*', '*N*')

ref
1   T
2   C
3   T
4   C
5   T

以下查询在impala sql中工作，但不是spark，而且非常难看：

SELECT regexp_replace(regexp_replace(regexp_replace(regexp_replace(regexp_replace(ref, 'A', ''), 'T', ''), 'G', ''), 'C', ''), 'N', '')
    from spark_df

---

如果不想使用regexp_extract，可通过执行以下操作获得相同的结果：

SELECT ref
from test_set
where not (
            ref like '*A*' or
            ref like '*T*' or
            ref like '*C*' or
            ref like '*G*' or
            ref like '*N*'
          )

---

如果不想使用regexp_extract，可通过执行以下操作获得相同的结果：

SELECT ref
from test_set
where not (
            ref like '*A*' or
            ref like '*T*' or
            ref like '*C*' or
            ref like '*G*' or
            ref like '*N*'
          )

---

好的。。我想出来了：

SELECT regexp_extract(ref, 'ATGCN', 0)
from test_set

或

---

好的。。我想出来了：

SELECT regexp_extract(ref, 'ATGCN', 0)
from test_set

或