regexp_extract函数用法

`regexp_extract` 函数是一个正则表达式提取函数，用于从字符串中提取满足指定正则表达式模式的子字符串。

函数的基本用法如下：

regexp_extract(string, pattern, index)

参数说明：
- `string`：要提取子字符串的源字符串。
- `pattern`：要匹配的正则表达式模式。
- `index`：可选参数，指定要提取的子字符串在匹配结果中的索引，默认为 0。

示例：
假设我们有一个字符串 "Hello, my name is John. I am 25 years old."，我们想从中提取出名字和年龄。

from pyspark.sql.functions import *
df = spark.createDataFrame([(1, "Hello, my name is John. I am 25 years old.")], ["id", "text"])
df.select(regexp_extract(col("text"), "name is (\w+)", 1).alias("name"),
          regexp_extract(col("text"), "(\d+) years old", 1).alias("age")).show()

输出结果：

+----+---+
|name|age|
+----+---+
|John| 25|
+----+---+

在上面的示例中，我们使用 `regexp_extract` 函数来从文本中提取名字和年龄。首先，我们使用正则表达式 "name is (\w+)" 来匹配 "name is " 后面的名字，并提取出来。然后，我们使用正则表达式 "(\d+) years old" 来匹配年龄，并提取出来。最后，我们将结果分别命名为 "name" 和 "age"。通过 `select` 函数选择提取结果进行展示。

希望上述内容对你有所帮助！如果你有其他问题，请随时提问。