Databricks中拆分多账户字符串为单行单账户的SQL需求

云原生阿岚

2026-6-13

解决方案（Databricks Spark SQL）

可以通过拆分字符串、行转列、提取纯账户号三个步骤实现需求，具体SQL如下：

SELECT DISTINCT
  ID,
  regexp_extract(account_item, '^(\\d+)', 1) AS Account
FROM
  source_table
LATERAL VIEW
  split(Account, ',') exploded_table AS account_item
WHERE
  regexp_extract(account_item, '^(\\d+)', 1) != '';

代码说明：

拆分并炸开字符串：用split(Account, ',')把逗号分隔的账户字符串拆成数组，再通过LATERAL VIEW explode将数组的每个元素转为单独行，得到每个ID对应的所有账户条目（包括带后缀的）。
提取纯账户号：用regexp_extract配合正则^(\d+)，提取每个账户条目中开头的数字部分，自动去掉-Michigan这类后缀。
去重：加DISTINCT去掉同一ID下重复的账户号（比如源数据中1532214对应的109388和109388-Michigan处理后会重复，去重后只保留一条），符合“账户重复无影响”的要求。
过滤空值：WHERE子句过滤掉可能的无效条目，避免拆分后出现空字符串的情况。