首页 文章

AWS Glue：在写入时从CSV文件中删除引号字符

提问于
浏览 次
1

我在S3中有一个csv文件，它没有任何引号 . 例如 .

dVsdfsCcn7j6，r：werwerwerwerwerwerwer，_User $ SSSSSBFwJ，登录名，密码，false，2011-10-27 10：46：55，d24c2465e-9945645c5-4645509-a745741c7-ba9bcd1a7cfd，2046-11-27 15：46：55,2016 -10-27 10:46:55

当我将此文件作为胶水脚本/作业的输入（我打算删除_User前缀）时，ETL输出会创建一个csv文件，该文件的引号附加到某些属性，例如：

dVsdfsCcn7j6，“r：werwerwerwerwerwerwer”，“_ User $ SSSSSBFwJ”，登录名，密码，false，“2011-10-27 10:46:55”，“d24c2465e-9945645c5-4645509-a745741c7-ba9bcd1a7cfd”，“2046-11 -27 15:46:55“，”2016-10-27 10:46:55“

我根据文档将quoteChar设置为-1，https://docs.aws.amazon.com/glue/latest/dg/aws-glue-programming-etl-format.html

datasink2 = glueContext.write_dynamic_frame.from_options(frame = applymapping1, connection_type = "s3", connection_options = {"path": "s3://test-bucket/staging/final_data"}, format = "csv", format_options = {"quoteChar":'-1'}, transformation_ctx = "datasink2")

我的最终目标是使用Athena使这个csv数据可查询 .

在转型期间有没有人遇到过这样的问题？它是否与数据目录的SerDe信息有关？任何帮助将不胜感激！

谢谢 .

链接到AWS论坛上发布的问题 - https://forums.aws.amazon.com/thread.jspa?threadID=278073&tstart=0

aws-glue

1 回答

  • 2

    我一直有同样的问题 . from_options quoteChar设置似乎被忽略了 . 我通过直接使用DataFrame将输出写入s3来解决这个问题 .

    applymapping1.toDF() \
    .write
    .option("quote"," ") \
    .csv("s3://bucket/path/to/output/folder")

    这似乎有点hacky但现在可以使用，直到AWS得到答案 .

    回复于

相关问题