如何让Spark将JSON转义的String字段解析为JSON对象，以推断DataFrames中的适当结构？

Question

作为输入，我将每行格式化为单个JSON对象的一组文件作为输入。但是，问题在于这些JSON对象上的一个字段是JSON转义的String。例

{
  "id":1,
  "name":"some name",
  "problem_field": "{\"height\":180,\"weight\":80,}",
}

预期使用sqlContext.read.json它时，将创建一个具有3列ID，名称和问题字段的数据帧，其中问题字段是字符串。

我无法控制输入文件，因此我希望能够在Spark中解决此问题，因此，有什么办法可以让Spark将String字段读取为JSON并正确推断其模式？

注意：上面的json只是一个玩具示例，在我的案例中，problem_field将具有可变的不同字段，这对于Spark推断这些字段非常有用，而我不必对存在哪些字段进行任何假设。

Answer 1

那是可以接受的解决方案吗？

val sc: SparkContext = ...
val sqlContext = new SQLContext(sc)

val escapedJsons: RDD[String] = sc.parallelize(Seq("""{"id":1,"name":"some name","problem_field":"{\"height\":180,\"weight\":80}"}"""))
val unescapedJsons: RDD[String] = escapedJsons.map(_.replace("\"{", "{").replace("\"}", "}").replace("\\\"", "\""))
val dfJsons: DataFrame = sqlContext.read.json(unescapedJsons)

dfJsons.printSchema()

// Output
root
|-- id: long (nullable = true)
|-- name: string (nullable = true)
|-- problem_field: struct (nullable = true)
|    |-- height: long (nullable = true)
|    |-- weight: long (nullable = true)