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")

版权声明:本文为qq_37332702原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接和本声明。