spark udf 获取拼音首字母

本文介绍了如何使用Apache Spark的User Defined Function (UDF)在SparkSession中实现文本分割,重点是将汉字转换为拼音并应用到DataFrame列的操作,同时展示了如何通过注册UDF和调用函数对数据进行处理。
摘要由CSDN通过智能技术生成
sparkSession.udf().register("TEXTSEG", new UDF1<Object, String>() {
                    private static final long serialVersionUID = 1L;
                    @SuppressWarnings("unchecked")
                    @Override
                    public String call(Object segColValue) throws Exception {
                        if (segColValue == null || StringUtils.isBlank(segColValue.toString())) {
                            return null;
                        }
                        HanyuPinyinOutputFormat defaultFormat = new HanyuPinyinOutputFormat();
                        // 设置大小写格式
                        defaultFormat.setCaseType(HanyuPinyinCaseType.UPPERCASE);
                        String lastStr = "";
//                        String dateStr = "";
                        char[] charArray = String.valueOf(segColValue).toCharArray();
                        for (int i = 0; i < String.valueOf(segColValue).length(); i++) {
                            char a = charArray[i];
                            if (((int) a >= 65 && (int) a <= 90) || ((int) a >= 97 && (int) a <= 122)) {
                                lastStr += String.valueOf(a).toUpperCase();
                            } else {
                                if (Character.toString(charArray[i]).matches("[\\u4E00-\\u9FA5]+")) {
                                    String[] hanyuPinyinStringArray = PinyinHelper
                                            .toHanyuPinyinStringArray(charArray[i], defaultFormat);
                                    lastStr += String.valueOf(hanyuPinyinStringArray[0].charAt(0));
                                } else {
                                    lastStr += a;
                                }
                            }
                        }
                        return lastStr;
                    }
                }, DataTypes.StringType);
                result = result.withColumn(replaceJson.getString(key), functions.callUDF("TEXTSEG", result.col(key)));

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值