Python/Pyspark按空格拆分字符串跳过后续接数字分隔符并删除末尾分号

实现逻辑 #

• 第一步：先清理原字符串末尾的分号和尾随空白，避免拆分后残留分号
• 第二步：使用正则正向后顾断言匹配分隔符：仅匹配前面是数字的空格作为拆分点，和你给出的示例输出完全匹配

完整代码 #

首先导入依赖函数：

from pyspark.sql.functions import col, split, regexp_replace

执行转换逻辑：

data = data.withColumn(
    "newcolumn",
    split(
        # 先删除末尾的分号和所有尾随空白字符
        regexp_replace(col("Column"), r"[;\s]+$", ""),
        # 仅匹配前面为数字的空格作为拆分分隔符
        r"(?<=\d)\s"
    )
)

效果验证 #

对给出的输入示例执行后输出完全符合预期：

内容的提问来源于stack exchange，提问作者BADS