如何在PySpark中按3字符长度拆分DataFrame列并拆分为多行？

要把DataFrame里的字符串列按每3个字符拆分并转成多行，你可以结合regexp_split（正则拆分）和explode（行展开）实现，具体操作如下：

1. 核心逻辑 #

普通split函数只能按指定分隔符拆分，没法直接按固定长度处理。这里用正则零宽断言(?<=.{3})，匹配每3个字符后的位置作为拆分点，把字符串拆成每3个字符一组的数组，再用explode把数组元素转成单独行。

2. 代码实现 #

先导入所需函数：

from pyspark.sql import SparkSession
from pyspark.sql.functions import regexp_split, explode

创建示例DataFrame：

spark = SparkSession.builder.appName("fixed_length_split").getOrCreate()

data = [(1, "ASD,GR D!G&HIK-HGD+TD")]
df = spark.createDataFrame(data, ["Id", "details"])
df.show(truncate=False)

执行拆分与行展开：

df_result = df.withColumn("split_col", regexp_split("details", "(?<=.{3})")) \
              .withColumn("details", explode("split_col")) \
              .drop("split_col")

df_result.show(truncate=False)

3. 输出结果 #

运行后会得到符合预期的结果：

+---+------+
|Id |details|
+---+------+
|1  |ASD   |
|1  |,GR   |
|1  | D!   |
|1  |G&H   |
|1  |IK-   |
|1  |HGD   |
|1  |+TD   |
+---+------+

如果字符串长度不是3的倍数，最后不足3个字符的部分会自动作为最后一组保留，无需额外处理。

内容的提问来源于stack exchange，提问作者Santosh Pandey