在scala中递归读取文件
我正在尝试将嵌套在许多文件夹中的一组XML文件读入spark中的序列文件。我可以使用函数recursiveListFiles从中读取文件名在scala中递归读取文件,scala,apache-spark,pyspark,Scala,Apache Spark,Pyspark,我正在尝试将嵌套在许多文件夹中的一组XML文件读入spark中的序列文件。我可以使用函数recursiveListFiles从中读取文件名 但是如何在这里将文件内容作为单独的列来读取呢 使用sparks wholeTextFiles方法怎么样?然后自己解析XML?我尝试了wholeTextFiles方法,但我不能使用.XML,它只用于选择文件夹中的XML文件。类似于sc.wholeTextFiles(“mainpath/*.xml”) import java.io.File def recurs
但是如何在这里将文件内容作为单独的列来读取呢 使用sparks wholeTextFiles方法怎么样?然后自己解析XML?我尝试了wholeTextFiles方法,但我不能使用.XML,它只用于选择文件夹中的XML文件。类似于
sc.wholeTextFiles(“mainpath/*.xml”)
import java.io.File
def recursiveListFiles(f: File): Array[File] = {
val these = f.listFiles
these ++ these.filter(_.isDirectory).flatMap(recursiveListFiles)
}