apache-spark - Spark API：在 LIKE 语句中使用列值

Question

在火花 API 中：

column.like("only takes a static string with optional wildcards like %")
column.contains(accepts_a_column_but_wont_parse_wildcards)

那么使用通配符来比较值的等效方法是什么？通配符可能会出现在连接中找到的列的字符串值中？

由于 like() 接受文字字符串而不是列而失败的示例：

.join(other_df, column.like(concat("%", $"column_potentially_with_wildcards", "%")), "left")

?

Answer 1

查看代码，like()似乎只接受文字值作为方便。希望他们会在未来的版本中扩展它，但现在您可以创建自己的函数来补偿：

import org.apache.spark.sql.catalyst.expressions.Like
import org.apache.spark.sql.Column

def columnLike(a : Column, b : Column) : Column = new Column( Like(a.expr, b.expr))

...

scala> val df1 = List("aaaa", "bbbb", "aaaabbbbcccc", "abcd", "abc").toDS()
df1: org.apache.spark.sql.Dataset[String] = [value: string]

scala> val df2 = List("a%b%c").toDS()
df2: org.apache.spark.sql.Dataset[String] = [value: string]

scala> df1.join(df2, columnLike(df1("value"), df2("value"))).show
+------------+-----+                                                            
|       value|value|
+------------+-----+
|aaaabbbbcccc|a%b%c|
|         abc|a%b%c|
+------------+-----+