Spark Java拆分拼接字符串：使用selectExpr split函数遇异常表结构

看你的表结构，应该是想把用|分隔的genres列拆分成分类数组，但目前得到的genres1列变成了单个字符的数组——这大概率是因为|在正则表达式里属于特殊字符，直接用它作为split的分隔符会被当成“或”逻辑处理，所以才把每个字符都拆出来了。

下面给你两种靠谱的解决方法，都是用selectExpr实现的：

方法一：转义特殊分隔符 #

因为split函数的第二个参数是正则表达式，所以需要把|转义成\\|（Spark字符串里要做双转义处理）：

// Scala 示例
df.selectExpr("genres", "split(genres, '\\\\|') as split_genres").show()

# Python 示例
df.selectExpr("genres", "split(genres, '\\\\|') as split_genres").show()

这样就能把Adventure|Animation这类字符串拆成["Adventure", "Animation"]的正常数组了。

方法二：用字符类包裹分隔符 #

另一种更简洁的方式是把|放到正则字符类[]里，这样它就会被当作普通字符识别，不用额外转义：

df.selectExpr("genres", "split(genres, '[|]') as split_genres").show()

额外优化：处理多余分隔符 #

如果你的genres列存在开头/结尾多余的|，可以结合trim函数先清理再拆分：

df.selectExpr("genres", "split(trim('|', genres), '\\\\|') as split_genres").show()

执行后你会得到符合预期的结果：

+-----------------------+-----------------------------+
| genres                | split_genres                |
+-----------------------+-----------------------------+
|Adventure|Animation    |[Adventure, Animation]       |
|Adventure|Children     |[Adventure, Children]        |
|Comedy|Drama|Romance   |[Comedy, Drama, Romance]     |
+-----------------------+-----------------------------+

内容的提问来源于stack exchange，提问作者Pepo