Rychlý start funkcí FILE

Important

Tato funkce je v beta verzi. Správci pracovního prostoru můžou řídit přístup k této funkci ze stránky Previews . Viz Manage Azure Databricks preview.

Tento FILE typ představuje nestrukturované soubory, jako jsou dokumenty, obrázky a audio. Vestavěné SQL funkce vytvářejí, kopírují a čtou soubory jako FILE reference.

Tato stránka shrnuje tyto funkce s referenčními příklady běžných operací, jako jsou:

  • Seznam souborů v Unity katalogovém svazku jako FILE referencí s .list_files
  • Čtení metadat souboru, jako size jsou a checksum (používané k identifikaci verze souboru).
  • Filtrování souborů podle jejich metadat.
  • Parsování obsahu dokumentu pomocí ai_parse_document.

Pro typovou referenci viz FILE typ.

Pro konceptuální přehled viz TYP souboru a nestrukturovaná data.

Požadavky

  • Tyto příklady využívají datovou sadu samples.sec.contracts , sbírku PDF smluv podaných SEC, která jsou ve výchozím nastavení dostupná ve všech pracovních prostorech. Chcete-li použít vlastní soubory, nasměrujte cestu na svazek Unity Catalog, který je obsahuje.

Examples

Soubory seznamů a reference na zachycení

Pro zařazení souborů na cestu a uložení odkazů FILE v tabulce použijte list_files tabulkovou hodnotovou funkci:

CREATE TABLE documents AS
  SELECT path, size, modification_time, file
  FROM list_files('/Volumes/samples/sec/contracts/');

Číst metadata souboru

Pro čtení uri, size, content_type, a checksum polí FILE hodnoty použijte tečkovou notaci:

SELECT file.uri, file.size, file.content_type, file.checksum
  FROM documents;

Filtrujte soubory podle metadat

Pro filtrování řádků pomocí metadat souboru, jako je cesta a velikost:

SELECT file.uri
  FROM documents
  WHERE file.uri ILIKE '%.pdf'
    AND file.size > 100000;

Parsujte obsah dokumentu

Pro extrakci strukturovaného obsahu z dokumentu předejte FILE hodnotu ai_parse_document funkci:

SELECT file.uri, ai_parse_document(file) AS parsed
  FROM documents
  WHERE file.uri ILIKE '%.pdf';

Příklad notebooku

Následující zápisník provádí všechny předchozí příklady proti datové sadě samples.sec.contracts :

Funkce FILE quickstart notebook

Pořiďte si notebook

Další kroky

  • Last updated on