Scala 如何将Spark数据帧转换为JSONObject

我的目标是将数据帧转换为JSONObject的有效JSONArray

我目前正在使用：

val res = df.toJSON.collect()

但是我得到了一个数组[String]——JSON转义字符串数组，即：

["{\"url\":\"http://www.w3schools.com/html/html_form_action.asp?user=123\",\"subnet\":\"32.2.208.1\",\"country\":\"\",\"status_code\":\"200\"}"]

我正在寻找一种将这些字符串转换为实际JSONObject的方法，我找到了一些建议的解决方案，但我正在寻找更干净的方法

我尝试使用org.json库将每个字符串转换为JSONObject，但显然它不是一个可序列化的对象

有什么建议吗？有没有可以使用的fast Scala JSON库

或者通常建议如何使用toJSON方法

更新

这有点浪费，但这个选项对我很有用：

 val res = df.toJSON.map(new JSONObject(_).toString).collect()

因为JSONObject是不可序列化的，所以我可以使用它的toString来获取有效的JSON格式

如果您对我如何改进它还有任何建议，请告诉我。

您可以使用它将字符串解析为case类：

import spray.json._
import DefaultJsonProtocol._
case class Data(url: String, subnet: String, country: String, status_code: String)
implicit val dataFormat = jsonFormat4(Data)
val source = Array("{\"url\":\"http://www.w3schools.com/html/html_form_action.asp?user=123\",\"subnet\":\"32.2.208.1\",\"country\":\"\",\"status_code\":\"200\"}")
val data = source(0).parseJson.convertTo[Data]

---

您可以使用DataframeWriter类

df.write.json(path)

如果输出文件具有多个记录/分区，则可能会创建多个部件文件。然后，您可以编写一个简单的合并实用程序来合并hdfs/本地文件系统中的零件文件

在这种情况下，输出是一个小文件-您可以使用coalesce（）

然后，您可以将其读回DF。

您可以：

收集数据帧-您将获得

Array[Row]

将折叠它的每一行映射到

map[String，Any]

-结果将通过

Array[map[String，Any]]

序列化为JSON

---

我还考虑了使用用例类的选项，但是有80多个嵌套字段。所以创建一个会非常复杂。我希望以某种方式使用dataframe模式，如果您只想从JSON中获取一些数据，只需要为所需的位定义case类层次结构。例如，上面的内容也适用于

案例类数据（url:String，subnet:String）

。是的，我知道，但我几乎需要整个结构。我确实在一些内部UDF中使用案例类来操作一些数据。但结果应该包括几乎所有内容。这也是为什么我更喜欢使用spark toJSON函数，而不是提供我自己的编写器。您可以使用数据帧的示例数据进行更新吗？当我使用

toJSON

时，这些引号不会转义。我用的是Spark 1.6。@philantrovert，这很奇怪，我们用的是Spark 1.6.1。我在网上看到的关于这个问题的所有问题都表明格式是相同的。@RameshMaharjan，对不起，我不能提供数据帧结构，这不是我的私人代码。但是，如果有帮助的话，我可以说它有两个嵌套字段。我知道我可以从数据帧中提取模式，我是否可以使用该模式来编写JSONObject？@LiranBo org.codehaus.jettison.json.JSONObject确实是一个可序列化的对象。感谢您的建议，但性能是一个严重的问题。我无法将数据写入文件，然后再次读取它们。

df.coalesce(1).write.json(path)

implicit val formats = DefaultFormats

val dataFrame = (1 to 10)
  .map(i => ("value" + i, i))
  .toDF("name", "value")

val maps = dataFrame
  .collect
  .map(
    row => dataFrame
      .columns
      .foldLeft(Map.empty[String, Any])
      (
        (acc, item) => acc + (item -> row.getAs[Any](item))
      )
  )

val json = Serialization.write(maps)

println(json)

I will show how dataframe converted into Json object list in spark.
I/P: Dataframe
O/P Json : [{ "id":"111","Loc":"Pune"},{"id":"2222","Loc":"Mumbai"}]
Sol:-> 
1] Create  Person POJO having id and loc fields.
2] Suppose dataframe named 'myDF'
3] myDF.collect.foreach { record =>
 val recMap = record.getValuesMap(myDF.columns).toMap[Any, Any]
 val person =new Person
 person.setLoc(recMap("LOC"))
 jsonList.append(person) //List of Person obj
}
val gson = new Gson //GSON lib
jsonStr = gson.toJson(jsonList.asJava)