如何将 Spark Dataframe 转换为 JSONObject

Question

我的目标是将 DataFrame 转换为 JSONObject 的有效 JSONArray。

我目前正在使用：

val res = df.toJSON.collect()

但我得到一个 Array[String] - JSON 转义字符串数组，即：

["{\"url\":\"http://www.w3schools.com/html/html_form_action.asp?user=123\",\"subnet\":\"32.2.208.1\",\"country\":\"\",\"status_code\":\"200\"}"]

我正在寻找一种将这些字符串转换为实际 JSONObjects 的方法，我找到了一些建议查找和替换字符的解决方案，但我正在寻找更清洁的东西。

我尝试使用 org.json 库将每个字符串转换为 JSONObject，但显然它不是可序列化的对象。

有什么建议吗？ 任何可以工作的快速 Scala JSON 库？

或者一般建议如何使用 toJSON 方法。

更新

这有点浪费，但这个选项对我有用：

 val res = df.toJSON.map(new JSONObject(_).toString).collect()

由于 JSONObject 不可序列化 - 我可以使用它的 toString 来获取有效的 JSON 格式。

如果您对如何改进它仍有任何建议 - 请告诉我。

Answer 1

您可以使用spray-json将字符串解析为案例类：

import spray.json._
import DefaultJsonProtocol._
case class Data(url: String, subnet: String, country: String, status_code: String)
implicit val dataFormat = jsonFormat4(Data)
val source = Array("{\"url\":\"http://www.w3schools.com/html/html_form_action.asp?user=123\",\"subnet\":\"32.2.208.1\",\"country\":\"\",\"status_code\":\"200\"}")
val data = source(0).parseJson.convertTo[Data]

Answer 2

您可以使用 DataframeWriter 类。

df.write.json(path)

如果输出文件有多个记录/分区，这可能会创建多个部分文件。 然后，您可以编写一个简单的合并实用程序来合并 hdfs/local 文件系统中的部分文件。

如果输出是一个小文件 - 您可以使用 coalesce()

df.coalesce(1).write.json(path)

然后，您可以将其读回 DF。

Answer 3

你可以：

1. 收集数据框 - 你会得到Array[Row]
2. 将折叠它的每一行映射到Map[String,Any] - 结果将由Array[Map[String,Any]]
3. 序列化为 JSON

implicit val formats = DefaultFormats

val dataFrame = (1 to 10)
  .map(i => ("value" + i, i))
  .toDF("name", "value")

val maps = dataFrame
  .collect
  .map(
    row => dataFrame
      .columns
      .foldLeft(Map.empty[String, Any])
      (
        (acc, item) => acc + (item -> row.getAs[Any](item))
      )
  )

val json = Serialization.write(maps)

println(json)

Answer 4

I will show how dataframe converted into Json object list in spark.
I/P: Dataframe
O/P Json : [{ "id":"111","Loc":"Pune"},{"id":"2222","Loc":"Mumbai"}]
Sol:-> 
1] Create  Person POJO having id and loc fields.
2] Suppose dataframe named 'myDF'
3] myDF.collect.foreach { record =>
 val recMap = record.getValuesMap(myDF.columns).toMap[Any, Any]
 val person =new Person
 person.setLoc(recMap("LOC"))
 jsonList.append(person) //List of Person obj
}
val gson = new Gson //GSON lib
jsonStr = gson.toJson(jsonList.asJava)