如何使用apache spark java中的hadoop office库将数据集写入excel文件
作者:互联网
目前我正在使用com.crealytics.spark.excel来读取excel文件,但是使用这个库我无法将数据集写入excel文件.
这个link说使用hadoop办公室库(org.zuinnote.spark.office.excel)我们可以读写excel文件
请帮我把数据集对象写入spark java中的excel文件.
解决方法:
您可以使用org.zuinnote.spark.office.excel来使用数据集读取和写入Excel文件.示例在https://github.com/ZuInnoTe/spark-hadoopoffice-ds/给出.但是,如果您在数据集中读取Excel并尝试将其写入另一个Excel文件,则会出现一个问题.请在https://github.com/ZuInnoTe/hadoopoffice/issues/12查看scala中的问题和解决方法.
我使用org.zuinnote.spark.office.excel编写了一个Java示例程序,并在该链接中给出了解决方法.请看看这是否对您有所帮助.
public class SparkExcel {
public static void main(String[] args) {
//spark session
SparkSession spark = SparkSession
.builder()
.appName("SparkExcel")
.master("local[*]")
.getOrCreate();
//Read
Dataset<Row> df = spark
.read()
.format("org.zuinnote.spark.office.excel")
.option("read.locale.bcp47", "de")
.load("c:\\temp\\test1.xlsx");
//Print
df.show();
df.printSchema();
//Flatmap function
FlatMapFunction<Row, String[]> flatMapFunc = new FlatMapFunction<Row, String[]>() {
@Override
public Iterator<String[]> call(Row row) throws Exception {
ArrayList<String[]> rowList = new ArrayList<String[]>();
List<Row> spreadSheetRows = row.getList(0);
for (Row srow : spreadSheetRows) {
ArrayList<String> arr = new ArrayList<String>();
arr.add(srow.getString(0));
arr.add(srow.getString(1));
arr.add(srow.getString(2));
arr.add(srow.getString(3));
arr.add(srow.getString(4));
rowList.add(arr.toArray(new String[] {}));
}
return rowList.iterator();
}
};
//Apply flatMap function
Dataset<String[]> df2 = df.flatMap(flatMapFunc, spark.implicits().newStringArrayEncoder());
//Write
df2.write()
.mode(SaveMode.Overwrite)
.format("org.zuinnote.spark.office.excel")
.option("write.locale.bcp47", "de")
.save("c:\\temp\\test2.xlsx");
}
}
我用Java 8和Spark 2.1.0测试了这段代码.我正在使用maven并从https://mvnrepository.com/artifact/com.github.zuinnote/spark-hadoopoffice-ds_2.11/1.0.3添加了对org.zuinnote.spark.office.excel的依赖
标签:java,excel,apache-spark,apache-spark-sql,spark-dataframe 来源: https://codeday.me/bug/20190701/1349735.html