如何从csv文件中以自定义格式读取日期？

Question

我正在解析一个包含数据的 csv 文件

03-10-2016,18:00:00,2,6

当我阅读文件创建模式如下

StructType schema = DataTypes.createStructType(Arrays.asList(
                DataTypes.createStructField("Date", DataTypes.DateType, false),
                DataTypes.createStructField("Time", DataTypes.TimestampType, false),
                DataTypes.createStructField("CO(GT)", DataTypes.IntegerType, false),
                DataTypes.createStructField("PT08.S1(CO)", DataTypes.IntegerType, false)))
Dataset<Row> df = spark.read().format("csv").option("Date", "dd-MM-yyyy").schema(schema).load("src/main/resources/AirQualityUCI/sample.csv");

它产生以下错误为

Exception in task 0.0 in stage 0.0 (TID 0)
java.lang.IllegalArgumentException
    at java.sql.Date.valueOf(Unknown Source)
    at org.apache.spark.sql.catalyst.util.DateTimeUtils$.stringToTime(DateTimeUtils.scala:137)

我觉得这是由于日期格式错误。将它们转换成特定格式的方法有哪些？

Answer 1

dateFormat读取 CSV 文件时使用选项如下：

val csvs = spark.
  read.
  format("csv").
  option("dateFormat", "dd-MM-yyyy"). // <-- should match 03-10-2016
  load(...)

默认为dateFormat，yyyy-MM-dd因此您遇到解析错误也就不足为奇了。

引用valueOf的 javadoc ：

抛出 IllegalArgumentException- 如果给定的日期不是 JDBC 日期转义格式 (yyyy-[m]m-[d]d)

这意味着该值对于 的解析器不正确valueOf。

我在这里有两个建议：

1. 阅读数据集和show它，看看里面有什么。

2. 使用dateFormat选项来定义正确的格式（yyyy-MM-dd默认情况下）

在Date and Time Patterns (of java.text.SimpleDateFormat) 中找到有关格式模式的更多信息。