Apache spark 在哪里可以找到spark.read.format(“csv”)的所有可用选项
这当然是一个非常愚蠢的问题,但我真的花了一些时间在这个问题上,我找不到 我正在用pyspark读取csv文件,这会产生一个错误,因为我的浮动分隔符是“,” 在字符串中替换它之前,我想确认没有指定它的选项(类似于.option(“floatingDecimal”),“,”),但我找不到任何可用选项的完整列表。许多教程提供了一些内容,但没有完整的内容。 是否存在一个? 谢谢: 您可以设置以下特定于CSV的选项来处理CSV文件:Apache spark 在哪里可以找到spark.read.format(“csv”)的所有可用选项,apache-spark,pyspark,Apache Spark,Pyspark,这当然是一个非常愚蠢的问题,但我真的花了一些时间在这个问题上,我找不到 我正在用pyspark读取csv文件,这会产生一个错误,因为我的浮动分隔符是“,” 在字符串中替换它之前,我想确认没有指定它的选项(类似于.option(“floatingDecimal”),“,”),但我找不到任何可用选项的完整列表。许多教程提供了一些内容,但没有完整的内容。 是否存在一个? 谢谢: 您可以设置以下特定于CSV的选项来处理CSV文件: sep(默认值):将单个字符设置为每个字段和值的分隔符 编码(默认UT
- sep(默认值):将单个字符设置为每个字段和值的分隔符
- 编码(默认UTF-8):按给定的编码类型解码CSV文件
- quote(默认值):设置用于转义引用值的单个字符,其中分隔符可以是值的一部分。如果要关闭引用,则需要设置非空字符串,而不是空字符串。此行为与com.databricks.spark.csv不同
- 转义(默认):设置用于转义已引用值内的引号的单个字符
- 注释(默认为空字符串):设置用于跳过以该字符开头的行的单个字符。默认情况下,它处于禁用状态
- 标题(默认为false):使用第一行作为列的名称
- 推断模式(默认为false):根据数据自动推断输入模式。它需要对数据进行一次额外的传递
- ignoreLeadingWhiteSpace(默认为false):定义是否应跳过正在读取的值的前导空格
- ignoreTrailingWhiteSpace(默认为false):定义是否应跳过正在读取的值的尾部空白
- nullValue(默认空字符串):设置null值的字符串表示形式
- nanValue(默认NaN):设置非数字“值”的字符串表示形式
- positiveInf(默认Inf):设置正无穷大值的字符串表示形式
- negativeInf(默认值-Inf):设置负无穷大值的字符串表示形式
- dateFormat(默认为空):设置指示日期格式的字符串。自定义日期格式遵循java.text.simpleDataFormat中的格式。这适用于日期类型和时间戳类型。默认情况下,它为null,这意味着试图通过java.sql.Timestamp.valueOf()和java.sql.date.valueOf()解析时间和日期
- maxColumns(默认值20480):定义一条记录可以有多少列的硬限制
- maxCharsPerColumn(默认值1000000):定义读取任何给定值所允许的最大字符数
- maxMalformedLogPerPartition(默认值10):设置Spark将为每个分区记录的最大错误行数。超过此数字的格式错误记录将被忽略
- 模式(默认许可):允许在解析期间处理损坏记录的模式。
- PERMISSIVE:当遇到损坏的记录时,将其他字段设置为null。当模式由用户设置时,它会为额外字段设置null
- DROPMALFORMED:忽略整个损坏的记录
- FAILFAST:遇到损坏记录时引发异常
- sep(默认值):将单个字符设置为每个字段和值的分隔符
- 编码(默认UTF-8):按给定的编码类型解码CSV文件
- quote(默认值):设置用于转义引用值的单个字符,其中分隔符可以是值的一部分。如果要关闭引用,则需要设置非空字符串,而不是空字符串。此行为与com.databricks.spark.csv不同
- 转义(默认):设置用于转义已引用值内的引号的单个字符
- 注释(默认为空字符串):设置用于跳过以该字符开头的行的单个字符。默认情况下,它处于禁用状态
- 标题(默认为false):使用第一行作为列的名称
- 推断模式(默认为false):根据数据自动推断输入模式。它需要对数据进行一次额外的传递
- ignoreLeadingWhiteSpace(默认为false):定义是否应跳过正在读取的值的前导空格
- ignoreTrailingWhiteSpace(默认为false):定义是否应跳过正在读取的值的尾部空白
- nullValue(默认空字符串):设置null值的字符串表示形式
- nanValue(默认NaN):设置非数字“值”的字符串表示形式
- positiveInf(默认Inf):设置正无穷大值的字符串表示形式
- negativeInf(默认值-Inf):设置负无穷大值的字符串表示形式
- dateFormat(默认为空):设置指示日期格式的字符串。自定义日期格式遵循java.text.simpleDataFormat中的格式。这适用于日期类型和时间戳类型。默认情况下,它为null,这意味着试图通过java.sql.Timestamp.valueOf()和java.sql.date.valueOf()解析时间和日期
- maxColumns(默认值20480):定义一条记录可以有多少列的硬限制
- maxCharsPerColumn(默认值1000000):定义读取任何给定值所允许的最大字符数
- maxMalformedLogPerPartition(默认值10):设置Spark将为每个分区记录的最大错误行数。超过此数字的格式错误记录将被忽略
- 模式(默认许可):允许在解析期间处理损坏记录的模式。
- 允许:设置其他字段t