我希望在 synapse 筆記本中使用 python 讀取不同格式的檔案。其中包括 .pdf、.pptx、.docx、.msg 和 .eml。我希望能夠讀取文件，然後用 python 解析和操作它們。我能夠使用不同的 python 庫在資料塊中做到這一點。
這就是我在 data bricks 中完成此任務的方式：
from pptx import Presentation prs = Presentation(file_name) # for pdf from pypdf import PdfReader reader = PdfReader(open(filename, 'rb')) # word docs import docx doc = docx.Document(file_name) # .eml files import email msg = email.message_from_file(open(file_name))type here # .msg files import extract_msg msg = extract_msg.Message(file_name)
在 synapse 中我收到錯誤： filenotfounderror：[errno 2]沒有這樣的檔案或目錄。
這些檔案路徑可以使用 spark 或 pandas 讀取 csv、excel 或 txt 數據，因此我認為不存在授權或連接問題。格式為：abfs[s]://file_system_name@account_name.dfs.core.windows.net/file_path
我還嘗試安裝儲存位置。這確實有助於讀取文字文件，但對其他格式沒有幫助。在 synapse 中安裝儲存位置
#安裝是正確的方法，此答案進行了解釋。我正在使用 synapse studio 。關鍵是使用從掛載儲存的路徑命令取得的檔案格式。否則我基本上可以使用我之前在問題中提到的內容。只有 pdf 我必須從使用 pypdf 庫更改為 pypdf2。
有效的格式是：
path = mssparkutils.fs.getmountpath("/mounted_name")
# this gave me this format '/synfs/{jobid}/mounted_path/{filename}'從 mssparkutils fs 取得的格式不起作用
mssparkutils.fs.ls("synfs:/{jobId}/mounted_path/")
# this gave a different format which did not work 'synfs:/{jobId}/mounted_path/{filename}'以上是如何使用 Synapse 從 ADLS gen2 讀取 python 中的 pdf 或 pptx 或 docx 檔案？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
