在Spark Scala中，你可以使用正则表达式的分组功能来提取匹配模式的不同部分。下面是一个示例代码：

import org.apache.spark.sql.functions._
import org.apache.spark.sql.types._

// 创建一个样本数据集
val data = Seq(
  ("John Doe", "john@example.com"),
  ("Jane Smith", "jane@example.com"),
  ("Mike Johnson", "mike@example.com")
)

// 定义正则表达式模式
val pattern = "(\\w+)\\s(\\w+)".r

// 创建Spark会话
val spark = SparkSession.builder().appName("RegexGrouping").master("local").getOrCreate()

// 将样本数据集转换为DataFrame
val df = spark.createDataFrame(data).toDF("name", "email")

// 定义一个UDF（用户自定义函数）来从正则表达式中提取分组
val extractGroup = udf((input: String) => {
  val pattern(first, last) = input
  (first, last)
}, StructType(Seq(StructField("first", StringType), StructField("last", StringType))))

// 使用UDF来提取分组并创建新的列
val result = df.withColumn("name_parts", extractGroup(col("name")))

// 显示结果
result.show(false)

输出：

+------------+-----------------+-----------+
|name        |email            |name_parts |
+------------+-----------------+-----------+
|John Doe    |john@example.com |[John, Doe]|
|Jane Smith  |jane@example.com|[Jane, Smith]|
|Mike Johnson|mike@example.com|[Mike, Johnson]|
+------------+-----------------+-----------+

在上面的代码中，我们首先定义了一个正则表达式模式，该模式包含两个分组：(\w+)表示一个或多个单词字符，(\w+)表示另一个或多个单词字符。然后，我们使用udf函数创建了一个名为extractGroup的UDF，该函数接受一个输入字符串并从中提取分组。最后，我们使用withColumn函数将UDF应用于DataFrame的name列，并将结果保存在名为name_parts的新列中。最后，我们显示了包含提取的分组的DataFrame。

请注意，这里的示例假设每个输入字符串都符合正则表达式模式。如果输入字符串与模式不匹配，将会引发异常。因此，在实际应用中，请确保对输入数据进行适当的验证。