SparkSql内置函数之substring_index()

我们往往需要利用url中夹带的参数进行数据分析，例如一个url

https://abc.com/*****/detail?id=132&channel_code=11-132-c:channelTwo

如何提取出url中的id,channel_code等参数进行数据分析呢？可以巧妙利用substring_index函数。

substring_index（str，delim，count）-在分隔符delim出现计数之前，从str返回子字符串。如果count为正，则返回最后一个分隔符左侧的所有内容（从左侧开始计数）。如果count为负，则返回最后一个分隔符右侧的所有内容（从右侧开始计数）。函数substring_index在搜索delim时执行区分大小写的匹配。

a_df = (df.filter(substring_index(df["path"], "id=", -1).contains("&channel_code=")).filter("path like '%/****/detail?id=%'").withColumn("param", substring_index(df["path"], "?", -1)))

b_df = a_df.withColumn('project_id', substring_index(substring_index(a_df["param"], "id=", -1), "&", 1))
            .withColumn('event_type', substring_index(substring_index(a_df["param"], "&channel_code=", -1), "-", 1))
            .withColumn('channel_code', substring_index(substring_index(a_df["param"], ":", -1), "&", 1))
            .withColumn('channel', substring_index(substring_index(a_df["param"], ":", 1), '-', -1))
            

运行结果：