我有一个文件夹,其中包含类似于 - 的文件
./env_california_0100.xml
./env_california_0200.xml
./env_california_0300.xml
./env_california_0400.xml
./env_0100.xml
./env_0200.xml
./env_0300.xml
./env_0400.xml
使用pyspark,如果我想读取名称包含字符串“california”的文件,那么我会使用
df=spark.read.format("com.databricks.spark.xml").option("rowTag","someTag").load("/some_folder/*california*.xml")
但是如何读取没有字符串“california”的文件?
最佳答案
使用 glob 提取文件列表,然后在加载调用中解压该列表:
.load(*glob.glob( "/some_folder/*[!california]*.xml"))
因为我们可以像这样加载多个文件:.load(path1,path2,....)
关于python - 使用 PySpark 从名称不包含字符串的文件夹中读取文件,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/58272849/