java - 如何在apache spark java中使用hadoop office库将数据集写入excel文件

Question

目前我正在使用com.crealytics.spark.excel读取 Excel 文件，但使用此库我无法将数据集写入 Excel 文件。

这个链接说使用 hadoop office library ( org.zuinnote.spark.office.excel) 我们可以读写 Excel 文件

请帮助我将数据集对象写入 spark java 中的 excel 文件。

Answer 1

您可以使用org.zuinnote.spark.office.excelDataset 读取和写入 excel 文件。示例在https://github.com/ZuInnoTe/spark-hadoopoffice-ds/中给出。但是，如果您在数据集中读取 Excel 并尝试将其写入另一个 Excel 文件，则会出现一个问题。请在https://github.com/ZuInnoTe/hadoopoffice/issues/12中查看 scala 中的问题和解决方法。

我已经使用org.zuinnote.spark.office.excel该链接给出的解决方法用 Java 编写了一个示例程序。请看看这是否对您有帮助。

public class SparkExcel {
    public static void main(String[] args) {
        //spark session
        SparkSession spark = SparkSession
                .builder()
                .appName("SparkExcel")
                .master("local[*]")
                .getOrCreate();

        //Read
        Dataset<Row> df = spark
                .read()
                .format("org.zuinnote.spark.office.excel")
                .option("read.locale.bcp47", "de")
                .load("c:\\temp\\test1.xlsx");

        //Print
        df.show();
        df.printSchema();

        //Flatmap function
        FlatMapFunction<Row, String[]> flatMapFunc = new FlatMapFunction<Row, String[]>() {
            @Override
            public Iterator<String[]> call(Row row) throws Exception {
                ArrayList<String[]> rowList = new ArrayList<String[]>();
                List<Row> spreadSheetRows = row.getList(0);
                for (Row srow : spreadSheetRows) {
                    ArrayList<String> arr = new ArrayList<String>();
                    arr.add(srow.getString(0));
                    arr.add(srow.getString(1));
                    arr.add(srow.getString(2));
                    arr.add(srow.getString(3));
                    arr.add(srow.getString(4));
                    rowList.add(arr.toArray(new String[] {}));
                }
                return rowList.iterator();
            }
        };

        //Apply flatMap function
        Dataset<String[]> df2 = df.flatMap(flatMapFunc, spark.implicits().newStringArrayEncoder());

        //Write
        df2.write()
           .mode(SaveMode.Overwrite)
           .format("org.zuinnote.spark.office.excel")
           .option("write.locale.bcp47", "de")
           .save("c:\\temp\\test2.xlsx");

    }
}

我已经用 Java 8 和 Spark 2.1.0 测试了这段代码。我正在使用 maven 并添加了org.zuinnote.spark.office.excel来自https://mvnrepository.com/artifact/com.github.zuinnote/spark-hadoopoffice-ds_2.11/1.0.3的依赖项