如何在Spark（Databricks）中将葡语格式字符串转为日期时间？

问题原因 #

转换失败有两个核心原因：

1. 原字符串包含葡语连接词de，不属于日期格式组成部分，你用的格式串d MMM yyyy hh:mm:ss无法匹配带de的字符串。
2. Spark默认locale不识别葡语月份缩写（比如jan对应葡语janeiro），必须指定葡萄牙语（巴西）的locale才能解析。

解决方案 #

分两步处理：先清理字符串中的冗余内容，再指定locale解析时间。

1. 导入依赖

from pyspark.sql import functions as f

2. 清理时间字符串

用正则替换移除字符串中的de（注意前后空格，避免误删其他内容）：

df = df.withColumn("clean_date", f.regexp_replace(f.col("date_column"), r" de ", " "))

处理后字符串会变成8 jan 2014 08:57:15，匹配格式串的结构。

3. 指定Locale解析为Timestamp

使用to_timestamp时传入locale="pt_BR"参数，同时注意小时格式：24小时制用HH，12小时制用hh（根据实际数据调整）：

df_result = df.select(
    f.to_timestamp(f.col("clean_date"), "d MMM yyyy HH:mm:ss", locale="pt_BR").alias("new_date_column")
)

验证结果 #

执行后new_date_column会正确转换为Spark Timestamp类型，不会返回NaT值。

内容的提问来源于stack exchange，提问作者marloswn