spark的extract函数如何使用

Spark的`extract`函数是用于从字符串中提取匹配的子串的函数。其语法如下：

extract(col, regex, group)

其中，`col`表示要提取的字符串列，`regex`是正则表达式，`group`是可选参数，表示要提取的子串在正则表达式中的分组序号。

下面是一个示例：

from pyspark.sql.functions import *

df = spark.createDataFrame([(1, "John Smith"), (2, "Jane Doe")], ["id", "name"])
df.select("name", regexp_extract("name", r"(\w+) (\w+)", 1).alias("first_name")).show()

这个示例中，我们从`name`列中提取了第一个单词作为`first_name`列。正则表达式`(\w+) (\w+)`匹配了一个或多个字母数字字符，然后是一个空格，然后是另一个或多个字母数字字符。这个正则表达式中的第一个括号表示第一个分组，我们把它的序号设置为1，表示我们要提取第一个括号中的子串。输出结果如下：

+----------+----------+
|      name|first_name|
+----------+----------+
|John Smith|      John|
|  Jane Doe|      Jane|
+----------+----------+