python 3中beam.io FileBasedSource中的open_file问题

Posted 2023-02-16

【中文标题】python 3中beam.io FileBasedSource中的open_file问题

【英文标题】：open_file in beam.io FileBasedSource issue with python 3

【发布时间】：2020-02-18 09:17:17

【问题描述】：

我正在使用 CSVRecordSource 读取 Apache Beam 管道中的 CSV，该管道在 read_records 函数中使用 open_file。

使用 python 2 一切正常，但是当我迁移到 python 3 时，它在下面抱怨

next(csv_reader)
_csv.Error: iterator should return strings, not bytes (did you open the file in text mode?)

默认情况下 open_file 方法以二进制模式打开文件。

所以我把它改成使用

with open(filename, "rt") as f:

但是当我在谷歌云中运行数据流时它失败了，因为它无法找到文件并给出错误

FileNotFoundError: [Errno 2] No such file or directory

下面是我的代码

 with self.open_file(filename) as f:
      csv_reader = csv.reader(f, delimiter=self.delimiter, quotechar=self.quote_character)
      header = next(csv_reader)

如何在 python 3 中使用 CSVRecordSource？

【问题讨论】：

请告诉我你在哪里使用这个功能？在 DoFn 中？

我在 Beam 管道的 Read(CSVRecordSource(input)) 中使用它。

【参考方案1】：

您是否使用此处定义的 open_file 方法：https://github.com/apache/beam/blob/6f6feaaeebfc82302ba83c52d087b06a12a5b119/sdks/python/apache_beam/io/filebasedsource.py#L166？

如果是这样，我认为您可以调用底层的FileSystems.open()，并将'application/octet-stream' 替换为'text/plain'。

【参考方案2】：

我通过使用迭代解码迭代器提供的输入（字节）的 iterdecode 解决了这个问题

csv.reader(codecs.iterdecode(f, "utf-8"), delimiter=self.delimiter, quotechar=self.quote_character)