Чтение pdf файла в фреймах данных apache spark

Мы можем прочитать файл avro, используя приведенный ниже код,

val df = spark.read.format("com.databricks.spark.avro").load(path)

Можно ли читать файлы PDF с помощью фреймов данных Spark?

Возможный дубликат Как читать файлы PDF и XML в Apache Spark scala?

Shaido 31.10.2018 06:23

Спасибо, я хочу знать, можно ли читать файлы PDF с помощью фреймов данных Spark

Aparna CM 31.10.2018 07:36

Я думаю, что в настоящее время вам нужно прочитать данные как двоичный файл (RDD), а затем преобразовать их в фрейм данных. См. Соответствующую проблему JIRA: issues.apache.org/jira/browse/SPARK-20528

Shaido 31.10.2018 07:47
Стоит ли изучать PHP в 2023-2024 годах?
Стоит ли изучать PHP в 2023-2024 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
1
3
1 973
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Вы не можете читать pdf и сохранять в df, поскольку он не может прерывать столбцы фрейма данных (в основном у него нет стандартная схема), поэтому, если вы хотите получить некоторые данные из pdf, сначала преобразуйте их в csv или parquet и затем вы можете читать из этого файла, а затем создать фрейм данных, поскольку он имеет определенную схему

посетите этот gitbook, чтобы узнать больше о доступных форматах чтения, которые вы можете использовать для получения данных в виде Dataframe.

DataFrameReader - загрузка данных из внешних источников данных

Другие вопросы по теме