如何去除姓名首字母中的点和空格

Posted 2023-03-28

【中文标题】如何去除姓名首字母中的点和空格

【英文标题】：How to remove dots and spaces in initials of a name

【发布时间】：2021-04-11 20:45:48

【问题描述】：

我有一个 pyspark 数据框，其名称如下：

J.J.斯科特 J. S.乔伊斯 房车。布拉德利·卡特

其中一些在首字母之间包含点和空格，而有些则没有。它们如何转换为：

JJ 斯科特 JS 乔伊斯 RV 布拉德利卡特

（首字母和姓名之间没有点和空格，首字母和姓名之间有 1 个空格）

我尝试使用以下内容，但它只替换点并且不会删除首字母之间的空格：

names_modified = names.withColumn("name_clean", regexp_replace("name", r"\.",""))

谢谢！

【参考方案1】：

可以使用transform 进行一些进一步的操作。想法是使用空格分割名称，并通过仅在长度超过 1 个字符的字符串之间添加空格来重新组合它们，这样首字母将在没有空格的情况下组合。

import pyspark.sql.functions as F

names_modified = names.withColumn(
    'name_clean',
    F.expr("""
        concat_ws('',
            transform(
                split(replace(name, '.', ''), ' '),
                (x, i) -> case when i = 0 then x
                               when length(x) > 1 then concat(' ', x)
                               else x
                          end
            )
        )
    """)
)

names_modified.show()
+------------------+-----------------+
|              name|       name_clean|
+------------------+-----------------+
|        J.J. Scott|         JJ Scott|
|       J. S. Joyce|         JS Joyce|
|RV. Bradley Carter|RV Bradley Carter|
+------------------+-----------------+