spark3.3.x处理excel数据
环境:
spark3.3.x
scala2.12.x
引用:
spark-shell --jars spark-excel_2.12-3.3.1_0.18.5.jar
或项目里配置pom.xml
<!-- https://mvnrepository.com/artifact/com.crealytics/spark-excel -->
<dependency>
<groupId>com.crealytics</groupId>
<artifactId>spark-excel_2.12</artifactId>
<version>3.3.1_0.18.5</version>
</dependency>
代码:
1、直接使用excel文件第一行作为schema
val df = spark.read
.format("com.crealytics.spark.excel")
// .format("excel") // 该版本的包直接写"excel"也可以
.option("header", "true") // 该版本的包将useHeader改成了header
.load(filePath)
2、使用自定义schema（该方法如果excel文件第一行不是所需数据，需手动限制读取的数据范围）
// 自定义schema
val schema = StructType(List(
StructField("uid", StringType, nullable = true),
StructField("name", StringType, nullable = true)
))
val df = spark.read
.format("com.crealytics.spark.excel")
// .format("excel") // 该版本的包直接写"excel"也可以
.option("header", "false") // 使用自定义schema,所以设置为false
.option("dataAddress", "'Sheet1'!A2:B2") // 限制读取的数据范围（也可以不加:B2就是取从A列往后的所有列）
.schema(schema)
.load(filePath)
ps:刚开始用的3.3.3_0.20.1这个版本的不可用，具体报啥错忘了，降到3.3.1_0.18.5该版本正常