Pyspark - 解析多个正斜杠之间的日期

Question

我有一个包含多个列的 Spark 数据框，我想将其中一列的日期解析为单独的列。对于以下两行，预期输出如下：

'www.freelancer/hello/there/I/am/2024/01/03/every/woijf123oijroa.fiow.com'
'www.freelancer/camping/fun/2024/02/14/foijaoijf83747199.1.com'

预计输出日期：

2024/01/03
2024/02/14

• df.withColumn('date', split(col('website'), '/')[5])

  不起作用，因为正斜杠不遵循设定模式，即使遵循设定模式，输出也会导致两个括号之间的内容，而不是跨多个括号的内容。

• 尝试使用

  locate()

  查找日期开始的索引并从该索引中提取 10 个值，但它无法正常工作。

Answer 1

您可以使用以下正则表达式：

20[012]\d/\d{2}/\d{2}

请参阅 regex101.com 上的 演示。