我在尝试转换存储在Spark DataFrame中的原始时间字符串（hh：mm：ss）时遇到了一个问题，我使用了列类型为“string”的StructType。目标是将这些时间值写入目标列类型为“Time”的关系数据库。

val timeRegex = "(([0-1]?[0-9])|(2[0-3])):[0-5][0-9]:[0-5][0-9]"
        var convertedData = newData

    newData.schema.fields.foreach { field =>
      val columnName = field.name
      val dataType = field.dataType

      if (dataType == StringType) {
        convertedData = convertedData.withColumn(
          columnName,
          when(expr(s"col($columnName) rlike '$timeRegex'"),
            to_utc_timestamp(substring(col(columnName), 1, 8), "HH:mm:ss").cast("timestamp").cast("time"))
            .otherwise(col(columnName))
        )
      }
    }

字符串
newData是包含我的数据的数据框，time列是hh：mm：ss格式的字符串。然而，当任何字符串（甚至是像“ABCDF_12345”这样的非时间字符串）与timeRegex匹配时就会出现问题。这会导致otherwise块尝试转换为时间戳，从而导致错误。
我正在寻求如何修改代码或改进正则表达式的建议，以确保只有有效的时间字符串被转换，其他字符串保持不变。当前的正则表达式似乎过于宽松，允许非时间字符串匹配。
任何在Spark SQL中实现这种转换的见解或替代方法都将受到极大的赞赏。