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:

 

  • 1
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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