如何将含PATINDEX的MS SQL查询迁移至PySpark SQL引擎

原MS SQL语句核心是处理travel_time字段：找到第一个非0字符的位置，根据字段长度决定是否补前置0，最后拼接:00:00。PySpark SQL没有PATINDEX函数，可用regexp_instr实现等价逻辑，具体代码如下：

SELECT 
    CASE 
        WHEN length(travel_time) = 1 THEN
            concat('0', substring(travel_time, regexp_instr(travel_time, '[^0]', 1, 1)), ':00:00')
        ELSE
            concat(substring(travel_time, regexp_instr(travel_time, '[^0]', 1, 1)), ':00:00')
    END AS travel_time
FROM sampleTable

关键函数替换说明 #

• LEN() → length()：均用于获取字符串长度
• PATINDEX('%[^0]%', travel_time) → regexp_instr(travel_time, '[^0]', 1, 1)：两者功能一致，返回第一个匹配非0字符的位置
• PySpark的substring省略长度参数时，默认截取到字符串末尾，和原语句中SUBSTRING(..., LEN(travel_time)+1)的效果完全相同

内容的提问来源于stack exchange，提问作者Developer Rajinikanth