通过读取文件,会发现不是每一个都有注册资本,所以对其进行过滤处理,使用filter函数,然后读取需要的两个元素,对第二个元素进行数值处理,使其能够排序
通过上述对不含注册资本的数据进行过滤
rdd2=rdd1.map(lambda x:(x["name"],x['content']['工商信息'].get('注册资本')))
通过此对注册资本及公司名进行读取
def extract_amount(amount_str):
pattern = r'\d+\.?\d*'
match = re.search(pattern, amount_str)
if match:
return float(match.group())
else:
return 0
通过正则对数据进行处理,最后成功提取并排序