过滤字符串上的 Spark DataFrame 包含

我在用火花1.3.0 http://spark.apache.org/releases/spark-release-1-3-0.html and 火花阿夫罗1.0.0 https://github.com/databricks/spark-avro/tree/c5612df9b1a9768689fec91655faa2a7073fd9fc#spark-sql-avro-library。 我的工作地点是存储库页面上的示例 https://github.com/databricks/spark-avro。下面的代码运行良好

val df = sqlContext.read.avro("src/test/resources/episodes.avro")
df.filter("doctor > 5").write.avro("/tmp/output")

但如果我需要看看是否doctor字符串包含子字符串？因为我们将表达式写在字符串中。我该怎么做才能做到“包含”？

您可以使用contains（这适用于任意序列）：

df.filter($"foo".contains("bar"))

like（SQL 就像 SQL 简单正则表达式一样_匹配任意字符并且%匹配任意序列）：

df.filter($"foo".like("bar"))

or rlike（就像Java正则表达式 https://docs.oracle.com/javase/tutorial/essential/regex/):

df.filter($"foo".rlike("bar"))

根据您的要求。LIKE and RLIKE也应该与 SQL 表达式一起使用。