CSV 输出文件中未显示引号

Posted 2023-04-15

【中文标题】CSV 输出文件中未显示引号

【英文标题】：Quotes not displayed in CSV output file

【发布时间】：2020-02-04 15:16:14

【问题描述】：

初始数据在 Dataset 中，我正在尝试将每个单元格值写入 csv 文件以放在引号中。

result.coalesce(1).write()
            .option("delimiter", "|")
            .option("header", "true")
            .option("nullValue", "")
            .option("quoteMode", "ALL_NON_NULL")
            .csv(Location);

预期输出：

null
"London"|"UK"
"Delhi"|"India"
"Moscow"|"Russia"

电流输出：

null
London|UK
Delhi|India
Moscow|Russia

Spark 版本是 2.3

【参考方案1】：

正如@Oli 回答的那样，您拥有的第一个选项是 CSV 写入器中的"quoteMode"。

如果您需要更多控制，那么您可以在所有列上使用 concat 函数来为您的值添加前缀和后缀。下面的例子

import org.apache.spark.sql.functions.concat, lit, col

val df = Seq(
("1","a",null,"c"),
("3",null,"d","c"),
("4","a","b",null)
).toDF("id","A","B","C")

df.show()

+---+----+----+----+
| id|   A|   B|   C|
+---+----+----+----+
|  1|   a|null|   c|
|  3|null|   d|   c|
|  4|   a|   b|null|
+---+----+----+----+

val dfquotes = df.select(df.columns.map(c => concat(lit("\""), col(c), lit("\"")).alias(c)): _*)

dfquotes.show()

+---+----+----+----+
| id|   A|   B|   C|
+---+----+----+----+
|"1"| "a"|null| "c"|
|"3"|null| "d"| "c"|
|"4"| "a"| "b"|null|
+---+----+----+----+

【参考方案2】：

"quoteMode" 是 databrick 的 CSV 写入器的一个选项。在这里，您使用的是 spark 的内置 CSV 编写器，它不支持该选项。查看this page 了解可用选项。

在您的情况下，您正在寻找的选项是.option("quoteAll", true)。

【讨论】：

如果我只想要非空值的引号怎么办？有什么选项可以代替quoteAll？

我不确定标准 csv 编写器是否可行。只是出于好奇，为什么到处都需要引号？

这是 Spark 1.6 中已经存在的代码。它正在生成报价。现在在尝试升级到 2.3 时，它没有给出报价。我们的业务用户不希望对输出进行任何类型的更改。我是 spark 的新手，也是这个项目的新手

好吧，我没有任何简单的解决方案给你。您可以找到一种方法继续使用 spark 1.6（例如使用 yarn）或编写自己的 CSV 编写器（这并不复杂）。