Databricks中列内容Proper Case格式化代码的问题修正求助

算力阿峰

2026-6-12

问题

我正在尝试对存在多种错误输入的列内容进行Proper Case（首字母大写）格式化。当前使用的代码对大部分内容有效，但无法处理全大写的单词——这类单词会被代码在字母间插入空格（黄色标记部分为错误结果）。我不能使用lower(initcap(field))，因为这会破坏代码中的其他修正逻辑，请问有没有办法一次性解决所有问题？

现有代码逻辑

将下划线和短横线替换为空格
在所有大写字母前插入空格（处理无空格但含大写的多词内容）
去除首尾空格
对首字母仍为小写的单词进行首字母大写
最后去除多余空格

当前代码

select old_name,regexp_replace(initcap(trim(regexp_replace(replace(replace(old_name,'_',' '),'-',' '), '([A-Z])', ' \$1')) ) , '\\s+', ' ') as fixed_name from mytable

解决方案

问题根源是原代码会给每一个大写字母前都插空格，全大写单词（比如HELLO）就会被拆成 H E L L O，后续处理后变成零散的单个大写字母。我们只需要调整正则匹配规则，只在小写字母紧跟大写字母的位置插入空格，既保留驼峰式内容的拆分逻辑，又不会破坏全大写单词。

修改后的代码：

select old_name,
       regexp_replace(
           initcap(
               trim(
                   regexp_replace(
                       replace(replace(old_name,'_',' '),'-',' '),
                       '([a-z])([A-Z])',
                       '\1 \2'
                   )
               )
           ),
           '\\s+', ' '
       ) as fixed_name 
from mytable