1
Ich habe eine Textdatei. Die Datensätze sind alle Datensätze mit mehreren Zeilen, die durch "\ n \ n \ n \ n \ n" getrennt sind. Die Textdatei sieht wie folgt:Wie kann ich mehrzeiligen Datensatz aus einer Textdatei mit Spark
name: Steven
gender: male
title: mr.
company: ABC
cell 647-777-****
home 905-000-****
work 289-***-1111
name: Al
gender: male
title: mr.
company: DEF
home 905-111-****
cell 289-991-****
Was habe ich den Code getan unten:
val contact_raw = sc.wholeTextFiles("/user/data/contact.txt").flatMap(x => x._2.split("\n\n\n\n\n"))
val contact = contact_raw.map(contacts => {
val per_person = contacts.split("\n\n")
(per_person(0), per_person(1))
}).map(
contact_info => {
val personal_info = contact_info._1.split("\n")
var name = ""
var company = ""
var gender = ""
var title = ""
for (x <- personal_info) {
if(x.startsWith("name:")){
name = x.split("name:")(1).trim
} else if(x.startsWith("gender:")){
gender = x.split("gender:")(1).trim
} else if(x.startsWith("title:")){
title = x.split("title:")(1)
} else if(x.startsWith("company:")){
company = x.split("company:")(1)
}
}
val phone_info = contact_info._2.split("\n").map(
pair => {
val phone_pair = pair.split("\\s")
(phone_pair(0), phone_pair(1))
}
)
(name, gender, title, company, phone_info)
}
).toDF("name", "gender", "title", "company", "phone_info")
Die Ausgabe lautet:
scala> contact.show
+------+------+-----+-------+--------------------+
| name|gender|title|company| phone_info|
+------+------+-----+-------+--------------------+
|Steven| male| mr.| ABC|[[cell,647-777-**...|
| Al| male| mr.| DEF|[[home,905-111-**...|
+------+------+-----+-------+--------------------+
Und das Schema:
scala> contact.printSchema
root
|-- name: string (nullable = true)
|-- gender: string (nullable = true)
|-- title: string (nullable = true)
|-- company: string (nullable = true)
|-- phone_info: array (nullable = true)
| |-- element: struct (containsNull = true)
| | |-- _1: string (nullable = true)
| | |-- _2: string (nullable = true)
Die erwartete Ausgabe ist:
+------+------+-----+-------+-------------+------------+
| name|gender|title|company| phone_type|number |
+------+------+-----+-------+-------------+------------+
|Steven| male| mr.| ABC| cell|647-777-****|
|Steven| male| mr.| ABC| home|905-000-****|
|Steven| male| mr.| ABC| work|289-***-1111|
| Al| male| mr.| DEF| home|905-111-****|
| Al| male| mr.| DEF| cell|289-991-****|
+------+------+-----+-------+-------------+------------+
Wer kann mir sagen, wie ich meinen Code ändern kann, um die Ausgabe zu erhalten, die ich brauche? Vielen Dank.
Danke. Ich habe deinen Code ausprobiert, es funktioniert. –