如何以 xml 格式保存 pyspark sql DataFrame

【问题标题】：How to save a pyspark sql DataFrame in xml format如何以 xml 格式保存 pyspark sql DataFrame
【发布时间】：2016-06-21 13:24:02
【问题描述】：

我以 parquet 格式存储了一个 pyspark sql 数据框。现在我也想将它保存为 xml 格式。我怎样才能做到这一点？直接将 pyspark sql 数据框保存在 xml 中或将镶木地板转换为 xml 的解决方案对我有用。提前致谢。

【问题讨论】：

标签： xml python-2.7 pyspark spark-dataframe parquet

【解决方案1】：

我还没有尝试过，但这个包可能会有所帮助。 Data Bricks Spark-XML

以下是 Python 的示例代码：

from pyspark.sql import SQLContext
sqlContext = SQLContext(sc)

df = sqlContext.read.format('com.databricks.spark.xml').options(rowTag='book').load('books.xml')
df.select("author", "_id").write \
    .format('com.databricks.spark.xml') \
    .options(rowTag='book', rootTag='books') \
    .save('newbooks.xml')

【讨论】：

【解决方案2】：

您可以将每一行映射到带有 xml 分隔符的字符串，然后保存为文本文件

【讨论】：

我推荐一个内置库，例如来自 @jmm312 的 Data Bricks Spark-XML 示例