Spark 读取csv文件quote配置无效

在进行数据清洗时,使用spark 读取csv文件时,遭遇到数据列中存在 \n的字符

原始数据:

names
“小红\n小明”

解析后数据:

indexnames
1小红
2小明

我们想要的数据:

indexnames
1“小红\n小明”

在spark 读取时,会将\n当成换行 ,将数据读取成两行数据,而我们不需要将解析引号内的数据,所以我们需要配置 csv读取格式 .option("quote", "\""),然而只配置 quote 还不够,我们还需要加入 .option("multiLine", "true")

    df = sparkSession
      .read
      .format("csv")
      .option("header", value = true)
      .option("multiLine", "true")
      .option("quote", "\"")
      .option("sep", "\\t")
      .load(input)

csv配置option里面的参数介绍见

详细代码

    val conf = new SparkConf().setAppName("data_clean")
    conf.setMaster("local[*]")
    conf.set("mapreduce.fileoutputcommitter.marksuccessfuljobs", "false")
    conf.set("spark.sql.crossJoin.enabled", "true")
    conf.set("spark.debug.maxToStringFields", "10000")
    conf.set("spark.sql.debug.maxToStringFields", "10000")
    conf.set("spark.sql.sources.commitProtocolClass", "org.apache.spark.sql.execution.datasources.SQLHadoopMapReduceCommitProtocol")

    val sparkSession = SparkSession
      .builder()
      .config(conf)
      .getOrCreate()
    val df = sparkSession
      .read
      .format("csv")
      .option("header", value = true)
      .option("multiLine", "true")
      .option("quote", "\"")
      .option("sep", "\\t")      
      .load("C:\\Users\\Administrator\\Desktop\\data__e9de8e01692e47c1afe79c8e26282a62")
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值