一、需求：

1、客户每月上传固定格式的excel文件到指定目录。每月上传的文件名只有结尾月份不同，如： 10月文件名：  zhongdiangedan202010.xlsx  ， 11月文件名： zhongdiangedan202011.xlsx

2、将上传的excel文件导入hive中，在做进一步数据分析。

二、思路：

1、通过python的pandas模块将excel文件转换为txt文件；

2、编写shell脚本，使用 hdfs dfs -put 将txt文件导入指定表(方便每月执行)。

三、pandas.read_excel 包：

def read_excel(io,sheet_name=0,header=0,names=None,index_col=None,usecols=None,squeeze=False,dtype=None,engine=None,converters=None,true_values=None,false_values=None,skiprows=None,nrows=None,na_values=None,keep_default_na=True,na_filter=True,verbose=False,parse_dates=False,date_parser=None,thousands=None,comment=None,skipfooter=0,convert_float=True,mangle_dupe_cols=True)

常用属性字段说明，如下：

属性字段

默认字段

含义

io

无，必选

excel文件路径

sheetname

0

取第一个sheet的内容；取多个sheet内容：sheetname=[0,1]；取全表：sheetname=None

header

0

指定为表头的行，取第一行为表头 header = 0；无表头：header = None；

names

None

提取指定列名的数据

index_col

None

指定多少列为索引列，或指定对应列名为索引列。

usecols

None

指定要取的列，None：取所有列；只能是列表。注：使用次属性，sheet_name 也必须使用。

skiprows

0

忽略(不取)指定行数的数据，行数为列表形式。如，忽略第1行,第9行数据： skiprows=[1,9]

skip_footer

0

忽略倒数n行数据

四、实现代码：

excel_to_txt.py

#!/user/bin env python

importpandas as pdimportsysdefexcel_to_txt(monthNo):

df= pd.read_excel('/data/excelfile/zhongdiangedan%s.xlsx'%(monthNo),header=None) #使用pandas模块读取数据， header 默认0，指定表头行，None:不取表头

print('开始写入txt文件')

df.to_csv('/data/txtlfile/zhongdiangedan%s.txt'%(monthNo), header=None, sep='\t', index=False) #写入txt中，tab分隔

print('文件写入成功!')if __name__ == '__main__':

monthNo=sys.argv[1]

excel_to_txt(monthNo)

执行python： python excel_to_txt.py 202010

建表：

create tableimpt_excel_data_zhongdiangedan(

col1 string,

col2 string,

col3 string,

col4 string,

col5 string,

col6 string

)partitionedby(month_id string)

row format delimited fields terminatedby '\t'lines terminatedby '\n'storedastextfile

location'/data/hive/database_name/impt/impt_excel_data_zhongdiangedan';

txt_to_hive.sh

#!/bin/bash

monthNo=$1hive-e" use database_name; --指定数据库 database_name

alter table tmp_content_zhongdiangedan dropif exists partition (month_id=$monthNo); --删除分区

alter table tmp_content_zhongdiangedan add partition (month_id=$monthNo); --添加分区"# 导入数据

hdfs dfs-put /data/txtlfile/zhongdiangedan$monthNo.txt /data/hive/database_name/impt/impt_excel_data_zhongdiangedan/month_id=$monthNo

执行shell: sh txt_to_hive.sh 202010