在Spark-SQL中如何提取字母数字混合字符串的全部数字字符

你当前使用的regexp_extract函数仅能返回第一个匹配的连续数字段，无法获取后续的数字内容。实现提取全串所有数字的最简方案如下：

方案1：正则替换（全版本兼容） #

直接使用regexp_replace删除所有非数字字符即可得到所有数字的拼接结果：

spark.sql("select case when length(date) > 0 then regexp_replace(date, '[^0-9]', '') else '' end as date from input").show(false)

正则规则[^0-9]会匹配所有非数字字符，替换为空串后，输入1234avf456wef时输出结果为1234456，完全符合需求。

方案2：提取后拼接（Spark 3.1+版本支持） #

如果需要先提取所有数字段再拼接，可以搭配regexp_extract_all和array_join实现：

spark.sql("select case when length(date) > 0 then array_join(regexp_extract_all(date, '\\d+'), '') else '' end as date from input").show(false)

内容的提问来源于stack exchange，提问作者Only developer