spark环境下 RDD编程关于如何将公司名及注册资本提取出来，并排序

 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