`COPY INTO`

Artículo
11/07/2024

Se aplica a: casilla marcada como Sí Databricks SQL Databricks Runtime

Carga datos de una ubicación de archivo en una tabla Delta. Se trata de una operación que se puede volver a intentar e idempotente; se omiten los archivos de la ubicación de origen que ya se han cargado. Esto es cierto incluso si los archivos se han modificado desde que se cargaron. Para ejemplos, consulte Patrones comunes de carga de datos mediante COPY INTO.

Sintaxis

COPY INTO target_table [ BY POSITION | ( col_name [ , <col_name> ... ] ) ]
  FROM { source_clause |
         ( SELECT expression_list FROM source_clause ) }
  FILEFORMAT = data_source
  [ VALIDATE [ ALL | num_rows ROWS ] ]
  [ FILES = ( file_name [, ...] ) | PATTERN = glob_pattern ]
  [ FORMAT_OPTIONS ( { data_source_reader_option = value } [, ...] ) ]
  [ COPY_OPTIONS ( { copy_option = value } [, ...] ) ]

source_clause
  source [ WITH ( [ CREDENTIAL { credential_name |
                                 (temporary_credential_options) } ]
                  [ ENCRYPTION (encryption_options) ] ) ]

Parámetros

target_table

Identifica una tabla de Delta existente. target_table no debe incluir una especificación temporal.

Si el nombre de la tabla se proporciona en forma de ubicación, como delta.`/path/to/table` , Unity Catalog puede controlar el acceso a las ubicaciones en las que se escriben. Para escribir en una ubicación externa:
- Defina la ubicación como una ubicación externa y disponga de permisos WRITE FILES sobre esa ubicación externa.
- Disponga de permisos WRITE FILES en una credencial de almacenamiento con nombre que proporcione autorización para escribir en una ubicación mediante: COPY INTO delta.`/some/location` WITH (CREDENTIAL <named-credential>)
Consulte Conexión al almacenamiento y servicios de objetos en la nube mediante el catálogo de Unity para obtener más detalles.
BY POSITION | ( col_name [ , <col_name> … ] )

Coincide con las columnas de origen para las columnas de la tabla de destino por posición ordinal. La conversión de tipos de las columnas coincidentes se realiza automáticamente.

Este parámetro solo se admite para el formato de archivo CSV sin encabezado. Debe especificar FILEFORMAT = CSV. FORMAT_OPTIONS también debe establecerse en ("headers" = "false") (FORMAT_OPTIONS ("headers" = "false") es el valor predeterminado).

Opción de sintaxis 1: BY POSITION
- Coincide automáticamente con las columnas de origen para las columnas de tabla de destino por posición ordinal.
  - La coincidencia de nombres predeterminada no se usa para la coincidencia.
  - Las columnas IDENTITY y las columnas GENERATED de la tabla de destino se omiten al hacer coincidir las columnas de origen.
  - Si el número de columnas de origen no es igual a las columnas de la tabla de destino filtradas, COPY INTO genera un error.
Opción de sintaxis 2: ( col_name [ , <col_name> ... ] )
- Coincide con las columnas de origen de las columnas de la tabla de destino especificadas por posición ordinal relativa mediante una lista de nombres de columna de tabla de destino entre paréntesis, separadas por comas.
  - El orden de las columnas de la tabla original y los nombres de columna no se usan para buscar coincidencias.
  - Las columnas IDENTITY y las columnas GENERATED no se pueden especificar en la lista de nombres de columna; de lo contrario COPY INTO genera un error.
  - No se pueden duplicar las columnas especificadas.
  - Cuando el número de columnas de origen no es igual a las columnas de tabla especificadas, COPY INTO genera un error.
  - Para las columnas que no se especifican en la lista de nombres de columna, COPY INTO asigna valores predeterminados, si los hay, y asigna NULL de lo contrario. Si alguna columna no acepta valores NULL, COPY INTO genera un error.
source

Ubicación del archivo desde la que se cargarán los datos. Los archivos de esta ubicación deben tener el formato especificado en FILEFORMAT. La ubicación se proporciona en forma de un identificador URI.

Se puede proporcionar acceso a la ubicación de origen a través de:
- credential_name
  
  Nombre opcional de la credencial usada para acceder a la ubicación de almacenamiento o escribir en esta. Use esta credencial solo si la ubicación del archivo no está incluida en una ubicación externa. Ver credential_name.
- Credenciales temporales insertadas.
- La definición de la ubicación de origen como una ubicación externa y la disposición de permisos READ FILES en la ubicación externa mediante Unity Catalog.
- El uso de una credencial de almacenamiento con nombre con permisos READ FILES que proporcionan autorización para leer desde una ubicación mediante Unity Catalog.
No es necesario proporcionar credenciales insertadas o con nombre si la ruta de acceso ya está definida como una ubicación externa que tiene permiso para usar. Consulte Creación de una ubicación externa para conectar el almacenamiento en la nube a Azure Databricks para más información.

Nota:

Si la ruta de acceso del archivo de origen es una ruta de acceso raíz, agregue una barra diagonal (/) al final de la ruta de acceso del archivo, por ejemplo, s3://my-bucket/.

Las opciones de credenciales aceptadas son:
- AZURE_SAS_TOKEN para ADLS Gen2 y Azure Blob Storage
- AWS_ACCESS_KEY, AWS_SECRET_KEY y AWS_SESSION_TOKEN para AWS S3
Las opciones de cifrado aceptadas son:
- TYPE = 'AWS_SSE_C', y MASTER_KEY para AWS S3

Consulte Cargar datos mediante COPY INTO con credenciales temporales.

SELECT expression_list

Selecciona las columnas o expresiones especificadas de los datos de origen antes de copiarlos en la tabla Delta. Las expresiones pueden ser cualquier cosa que use con instrucciones SELECT, incluidas las operaciones de ventana. Solo se pueden usar expresiones de agregación para agregados globales; no se puede usar GROUP BY en columnas con esta sintaxis.
FILEFORMAT = data_source

Formato de los archivos de origen que se cargarán. Uno de estos valores: CSV, JSON, AVRO, ORC, PARQUET, TEXT, BINARYFILE.
VALIDATE

Se aplica a: Databricks SQL Databricks Runtime 10.4 LTS y versiones posteriores

Los datos que se van a cargar en una tabla se validan, pero no se escriben en la tabla. Estas validaciones incluyen lo siguiente:
- Si se pueden analizar los datos.
- Si el esquema coincide con el de la tabla o si el esquema debe evolucionar.
- Si se cumplen todas las restricciones de comprobación y nulabilidad.
El valor predeterminado es validar todos los datos que se van a cargar. Puede proporcionar una serie de filas para que se validen con la palabra clave ROWS, como VALIDATE 15 ROWS. La instrucción COPY INTO devuelve una vista previa de los datos de 50 filas o menos, cuando se usa un número menor que 50 con la palabra clave ROWS.
FILES

Lista de nombres de archivo que se van a cargar, con un límite de 1000 archivos. No se puede especificar con PATTERN.

PATTERN

Patrón de global que identifica los archivos que se van a cargar desde el directorio de origen. No se puede especificar con FILES.

Patrón	Descripción
`?`	Coincide con cualquier carácter individual.
`*`	Coincide con cero o más caracteres.
`[abc]`	Coincide con un solo carácter del juego de caracteres {a,b,c}.
`[a-z]`	Coincide con un solo carácter del intervalo de caracteres {a...z}.
`[^a]`	Coincide con un solo carácter que no es del juego de caracteres o el intervalo {a}. Tenga en cuenta que el carácter `^` debe aparecer inmediatamente a la derecha del corchete de apertura.
`{ab,cd}`	Coincide con una cadena del conjunto de cadenas {ab, cd}.
`{ab,c{de, fh}}`	Coincide con una cadena del conjunto de cadenas {ab, cde, cfh}.

FORMAT_OPTIONS

Opciones que se pasan al lector de origen de datos de Apache Spark para el formato especificado. Consulte Opciones de formato para conocer los formatos de archivo.
COPY_OPTIONS

Opciones para controlar el funcionamiento del comando COPY INTO.
- force: booleano, valor predeterminado: false. Si se establece en true, la idempotencia se deshabilita y los archivos se cargan independientemente de si se han cargado antes.
- mergeSchema: booleano, valor predeterminado: false. Si se establece en true, el esquema puede evolucionar según los datos entrantes.

Invocar `COPY INTO` simultáneamente

COPY INTO admite invocaciones simultáneas en la misma tabla. Siempre y cuando COPY INTO se invoque simultáneamente en conjuntos distintos de archivos de entrada, cada invocación debería ser correcta, de lo contrario, se produce un conflicto de transacciones. COPY INTO no se debe invocar simultáneamente para mejorar el rendimiento; un solo COPY INTO comando con varios archivos suele funcionar mejor que ejecutar comandos simultáneos COPY INTO con un único archivo cada uno. COPY INTO se puede llamar simultáneamente cuando:

Varios productores de datos no tienen una manera fácil de coordinar y no pueden realizar una sola invocación.
Cuando un subdirectorio muy grande se puede ingerir en un subdirectorio. Al ingerir directorios con un gran número de archivos, Databricks recomienda usar Auto Loader siempre que sea posible.

Acceso a metadatos de archivo

Para obtener información sobre cómo acceder a los metadatos de los orígenes de datos basados en archivos, consulte Columna de metadatos de archivo.

Opciones genéricas

Las siguientes opciones se aplican a todos los formatos de archivo.

Opción
`ignoreCorruptFiles` Tipo: `Boolean` Si se deben omitir los archivos dañados. Si el valor es true, los trabajos de Spark seguirán ejecutándose cuando haya archivos dañados y se devolverá el contenido leído. Observable como `numSkippedCorruptFiles` en la columna `operationMetrics` del historial de Delta Lake. Disponible en Databricks Runtime 11.3 LTS y versiones posteriores. Valor predeterminado: `false`
`ignoreMissingFiles` Tipo: `Boolean` Si se deben omitir los archivos que faltan. Si el valor es true, los trabajos de Spark seguirán ejecutándose cuando falten archivos y se devolverá el contenido leído. Disponible en Databricks Runtime 11.3 LTS y versiones posteriores. Valor predeterminado: `false` (`true` para `COPY INTO`)
`modifiedAfter` Tipo: `Timestamp String`, por ejemplo, `2021-01-01 00:00:00.000000 UTC+0`. Marca de tiempo opcional para ingerir archivos con una marca de tiempo de modificación posterior a la proporcionada. Valor predeterminado: ninguno
`modifiedBefore` Tipo: `Timestamp String`, por ejemplo, `2021-01-01 00:00:00.000000 UTC+0`. Marca de tiempo opcional para ingerir archivos con una marca de tiempo de modificación anterior a la proporcionada. Valor predeterminado: ninguno
`pathGlobFilter` o `fileNamePattern` Tipo: `String` Un posible patrón global que proporcionar para elegir archivos. Equivalente a `PATTERN` en `COPY INTO`. `fileNamePattern` se puede usar en `read_files`. Valor predeterminado: ninguno
`recursiveFileLookup` Tipo: `Boolean` Si se omitirá la inferencia de particiones durante la inferencia de esquema. Esto no afecta a qué archivos se cargan. Valor predeterminado: `false`

`JSON` opciones

Opción
`allowBackslashEscapingAnyCharacter` Tipo: `Boolean` Si se permite que las barras diagonales invertidas sean caracteres de escape para cualquier carácter posterior. Si no está habilitado, solo se pueden escapar los caracteres que se enumeran explícitamente mediante la especificación JSON. Valor predeterminado: `false`
`allowComments` Tipo: `Boolean` Si se permite el uso de comentarios de estilo en Java, C y C++ (variedades `'/'`, `'*'` y `'//'`) dentro del contenido analizado o no. Valor predeterminado: `false`
`allowNonNumericNumbers` Tipo: `Boolean` Si se permite el conjunto de tokens que no son cifras (`NaN`) como valores de número flotante válidos. Valor predeterminado: `true`
`allowNumericLeadingZeros` Tipo: `Boolean` Si se permite que los números enteros comiencen con ceros adicionales (que se pueden omitir) (por ejemplo, `000001`). Valor predeterminado: `false`
`allowSingleQuotes` Tipo: `Boolean` Si se permite el uso de comillas simples (apóstrofo, carácter `'\'`) para citar cadenas (nombres y valores de cadena). Valor predeterminado: `true`
`allowUnquotedControlChars` Tipo: `Boolean` Si se permite que las cadenas JSON contengan caracteres de control sin escape (caracteres ASCII con un valor inferior a 32, incluidos los de tabulación y avance de línea) o no. Valor predeterminado: `false`
`allowUnquotedFieldNames` Tipo: `Boolean` Si se permite el uso de nombres de campo sin comillas (permitidos en JavaScript, pero no en la especificación JSON). Valor predeterminado: `false`
`badRecordsPath` Tipo: `String` Ruta de acceso para almacenar archivos para registrar la información sobre los registros JSON no válidos. Valor predeterminado: ninguno
`columnNameOfCorruptRecord` Tipo: `String` Columna para almacenar registros con formato incorrecto que no se pueden analizar. Si para `mode` el análisis se establece como `DROPMALFORMED`, esta columna estará vacía. Valor predeterminado: `_corrupt_record`
`dateFormat` Tipo: `String` Formato para analizar las cadenas de fecha. Valor predeterminado: `yyyy-MM-dd`
`dropFieldIfAllNull` Tipo: `Boolean` Si se omite la columna de todos los valores NULL o la matriz y la estructura vacías durante la inferencia del esquema. Valor predeterminado: `false`
`encoding` o `charset` Tipo: `String` Nombre de la codificación de los archivos JSON. Consulte `java.nio.charset.Charset` para la lista de opciones. No se puede usar `UTF-16` y `UTF-32` cuando `multiline` es `true`. Valor predeterminado: `UTF-8`
`inferTimestamp` Tipo: `Boolean` Si se deben probar y deducir cadenas de marca de tiempo como `TimestampType`. Cuando se establece en `true`, la inferencia de esquema puede tardar notablemente más tiempo. Debe habilitar `cloudFiles.inferColumnTypes` para usar con Auto Loader. Valor predeterminado: `false`
`lineSep` Tipo: `String` Cadena entre dos registros JSON consecutivos. Valor predeterminado: None, que abarca `\r`, `\r\n` y `\n`.
`locale` Tipo: `String` Un identificador `java.util.Locale`. Influye en la fecha predeterminada, la marca de tiempo y el análisis decimal dentro de JSON. Valor predeterminado: `US`
`mode` Tipo: `String` Modo de analizador para el control de registros con formato incorrecto. Uno de estos valores: `'PERMISSIVE'`, `'DROPMALFORMED'` o `'FAILFAST'`. Valor predeterminado: `PERMISSIVE`
`multiLine` Tipo: `Boolean` Si los registros JSON abarcan varias líneas. Valor predeterminado: `false`
`prefersDecimal` Tipo: `Boolean` Intentos para inferir cadenas como `DecimalType` en lugar de tipo float o double cuando sea posible. También debe usar la inferencia de esquema, ya sea habilitando `inferSchema` o bien usando `cloudFiles.inferColumnTypes` con el Cargador automático. Valor predeterminado: `false`
`primitivesAsString` Tipo: `Boolean` Si se deben extrapolar los tipos primitivos, como, por ejemplo, números y booleanos, como `StringType`. Valor predeterminado: `false`
`readerCaseSensitive` Tipo: `Boolean` Especifica el comportamiento de distinción entre mayúsculas y minúsculas cuando `rescuedDataColumn` está habilitado. Si es true, rescate las columnas de datos cuyos nombres difieren entre mayúsculas y minúsculas del esquema; de lo contrario, lea los datos de una manera sin distinción entre mayúsculas y minúsculas. Disponible en Databricks Runtime 13.3 y versiones posteriores. Valor predeterminado: `true`
`rescuedDataColumn` Tipo: `String` Si se recopilan todos los datos que no se pueden analizar por un error de coincidencia de tipos de datos o a una falta de coincidencia de esquemas (incluido el uso de mayúsculas y minúsculas en las columnas) en una columna independiente. Esta columna se incluye de forma predeterminada cuando se usa Auto Loader. Para obtener más información, consulte ¿Qué es la columna de datos rescatados?. Valor predeterminado: ninguno
`singleVariantColumn` Tipo: `String` Si se debe ingerir todo el documento JSON, analizado en una sola columna Variant con la cadena especificada como el nombre de la columna. Si está deshabilitado, los campos JSON se ingerirán en sus propias columnas. Valor predeterminado: ninguno
`timestampFormat` Tipo: `String` Formato para analizar cadenas de marca de tiempo. Valor predeterminado: `yyyy-MM-dd'T'HH:mm:ss[.SSS][XXX]`
`timeZone` Tipo: `String` `java.time.ZoneId` que se usará al analizar marcas de tiempo y fechas. Valor predeterminado: ninguno

`CSV` opciones

Opción
`badRecordsPath` Tipo: `String` Ruta de acceso para almacenar archivos para registrar la información sobre los registros CSV no válidos. Valor predeterminado: ninguno
`charToEscapeQuoteEscaping` Tipo: `Char` Carácter utilizado como carácter de escape de las comillas. Por ejemplo, para el registro siguiente: `[ " a\\", b ]`: - Si el carácter de escape de `'\'` no está definido, el registro no se analiza. El analizador leerá caracteres: `[a],[\],["],[,],[ ],[b]` y producirá un error porque no encuentra una comilla de cierre. - Si el carácter de escape de `'\'` se define como `'\'`, el registro se leerá con 2 valores: `[a\]` y `[b]`. Valor predeterminado: `'\0'`
`columnNameOfCorruptRecord` > [! NOTA] >> Compatible con el cargador automático. No se admite para `COPY INTO`. Tipo: `String` Columna para almacenar registros con formato incorrecto que no se pueden analizar. Si para `mode` el análisis se establece como `DROPMALFORMED`, esta columna estará vacía. Valor predeterminado: `_corrupt_record`
`comment` Tipo: `Char` Define el carácter que representa un comentario de línea cuando se encuentra al principio de una línea de texto. Use `'\0'` para deshabilitar la omisión de comentarios. Valor predeterminado: `'\u0000'`
`dateFormat` Tipo: `String` Formato para analizar las cadenas de fecha. Valor predeterminado: `yyyy-MM-dd`
`emptyValue` Tipo: `String` Representación de cadena de un valor vacío. Valor predeterminado: `""`
`encoding` o `charset` Tipo: `String` Nombre de la codificación de los archivos CSV. Consulte `java.nio.charset.Charset` para la lista de opciones. `UTF-16` y `UTF-32` no se pueden usar cuando `multiline` es `true`. Valor predeterminado: `UTF-8`
`enforceSchema` Tipo: `Boolean` Si se aplica forzosamente el esquema especificado o inferido a los archivos CSV. Si la opción está habilitada, se omiten los encabezados de los archivos CSV. Esta opción se omite de forma predeterminada al usar Auto Loader para rescatar datos y permitir la evolución del esquema. Valor predeterminado: `true`
`escape` Tipo: `Char` Carácter de escape que se usará al analizar los datos. Valor predeterminado: `'\'`
`header` Tipo: `Boolean` Si los archivos CSV contienen encabezado. Auto Loader supone que los archivos tienen encabezados al inferir el esquema. Valor predeterminado: `false`
`ignoreLeadingWhiteSpace` Tipo: `Boolean` Si se omiten los espacios en blanco iniciales en los valores analizados. Valor predeterminado: `false`
`ignoreTrailingWhiteSpace` Tipo: `Boolean` Si se omiten los espacios en blanco finales en los valores analizados. Valor predeterminado: `false`
`inferSchema` Tipo: `Boolean` Si se deben extrapolar los tipos de datos de los registros CSV analizados o se supone que todas las columnas son de `StringType`. Requiere un paso adicional sobre los datos si se establece en `true`. Para el Cargador automático, use `cloudFiles.inferColumnTypes` en su lugar. Valor predeterminado: `false`
`lineSep` Tipo: `String` Cadena entre dos registros CSV consecutivos. Valor predeterminado: None, que abarca `\r`, `\r\n` y `\n`.
`locale` Tipo: `String` Un identificador `java.util.Locale`. Influye en la fecha predeterminada, la marca de tiempo y el análisis decimal dentro de CSV. Valor predeterminado: `US`
`maxCharsPerColumn` Tipo: `Int` Máximo de caracteres esperados de un valor que se analizará. Se puede usar para evitar errores en la memoria. El valor predeterminado es `-1`, que significa ilimitado. Valor predeterminado: `-1`
`maxColumns` Tipo: `Int` Límite máximo de columnas que puede tener un registro. Valor predeterminado: `20480`
`mergeSchema` Tipo: `Boolean` Si se debe inferir el esquema en varios archivos y combinar el esquema de cada archivo. Habilitado de forma predeterminada para Auto Loader al inferir el esquema. Valor predeterminado: `false`
`mode` Tipo: `String` Modo de analizador para el control de registros con formato incorrecto. Uno de estos valores: `'PERMISSIVE'`, `'DROPMALFORMED'` y `'FAILFAST'`. Valor predeterminado: `PERMISSIVE`
`multiLine` Tipo: `Boolean` Si los registros CSV abarcan varias líneas. Valor predeterminado: `false`
`nanValue` Tipo: `String` Representación de cadena de un valor no numérico al analizar columnas `FloatType` y `DoubleType`. Valor predeterminado: `"NaN"`
`negativeInf` Tipo: `String` Representación de cadena de infinito negativo al analizar columnas `FloatType` o `DoubleType`. Valor predeterminado: `"-Inf"`
`nullValue` Tipo: `String` Representación de cadena de un valor NULL. Valor predeterminado: `""`
`parserCaseSensitive` (en desuso) Tipo: `Boolean` Durante la lectura de archivos, si se alinean las columnas declaradas en el encabezado con el esquema, se distingue entre mayúsculas y minúsculas. Esto es `true` de manera predeterminada para Auto Loader. Las columnas que difieren en las mayúsculas y las minúsculas se rescatarán en `rescuedDataColumn` si está habilitado. Esta opción ha quedado en desuso en favor de `readerCaseSensitive`. Valor predeterminado: `false`
`positiveInf` Tipo: `String` Representación de cadena del infinito positivo al analizar columnas `FloatType` o `DoubleType`. Valor predeterminado: `"Inf"`
`preferDate` Tipo: `Boolean` Intentos para inferir cadenas como fechas en lugar de marca de tiempo cuando sea posible. También debe usar la inferencia de esquemas, ya sea habilitando `inferSchema` o usando `cloudFiles.inferColumnTypes` con Auto Loader. Valor predeterminado: `true`
`quote` Tipo: `Char` Carácter utilizado para escapar valores en los que el delimitador de campo forma parte del valor. Valor predeterminado: `"`
`readerCaseSensitive` Tipo: `Boolean` Especifica el comportamiento de distinción entre mayúsculas y minúsculas cuando `rescuedDataColumn` está habilitado. Si es true, rescate las columnas de datos cuyos nombres difieren entre mayúsculas y minúsculas del esquema; de lo contrario, lea los datos de una manera sin distinción entre mayúsculas y minúsculas. Valor predeterminado: `true`
`rescuedDataColumn` Tipo: `String` Si se recopilan todos los datos que no se pueden analizar por un error de coincidencia de tipos de datos o a una falta de coincidencia de esquemas (incluido el uso de mayúsculas y minúsculas en las columnas) en una columna independiente. Esta columna se incluye de forma predeterminada cuando se usa Auto Loader. Para obtener más información, consulte ¿Qué es la columna de datos rescatados?. Valor predeterminado: ninguno
`sep` o `delimiter` Tipo: `String` Cadena separadora de columnas. Valor predeterminado: `","`
`skipRows` Tipo: `Int` Número de filas desde el principio del archivo CSV que se debe omitir (incluidas las filas comentadas y vacías). Si `header` es true, el encabezado será la primera fila sin descodificar y sin marca de comentario. Valor predeterminado: `0`
`timestampFormat` Tipo: `String` Formato para analizar cadenas de marca de tiempo. Valor predeterminado: `yyyy-MM-dd'T'HH:mm:ss[.SSS][XXX]`
`timeZone` Tipo: `String` `java.time.ZoneId` que se usará al analizar marcas de tiempo y fechas. Valor predeterminado: ninguno
`unescapedQuoteHandling` Tipo: `String` Estrategia para controlar las comillas sin escape. Opciones permitidas: - `STOP_AT_CLOSING_QUOTE`: si se encuentran comillas sin escape en la entrada, acumulará la comilla y procederá a analizar el valor como un valor entrecomillado, hasta que se encuentren comillas de cierre. - `BACK_TO_DELIMITER`: si se encontrasen comillas sin escape en la entrada, considere el valor como un valor sin comillas. Esto hará que el analizador acumule todos los caracteres del valor analizado actual hasta que se encuentre el delimitador definido por `sep`. Si no se encuentra ningún delimitador en el valor, el analizador seguirá acumulando caracteres de la entrada hasta que se encuentre un delimitador o un final de línea. - `STOP_AT_DELIMITER`: si se encontrasen comillas sin escape en la entrada, considere el valor como un valor sin comillas. Esto hará que el analizador acumule todos los caracteres hasta el delimitador definido mediante `sep` o hasta que se encuentre un final de línea en la entrada. - `SKIP_VALUE`: si se encontrasen comillas sin escape en la entrada, se omitirá el contenido analizado para el valor dado (hasta que se encuentre el siguiente delimitador) y se producirá en su lugar el valor establecido en `nullValue`. - `RAISE_ERROR`: si se encontrasen comillas sin escape en la entrada, un se producirá `TextParsingException`. Valor predeterminado: `STOP_AT_DELIMITER`

Opciones de `XML`

Opción	Descripción	Ámbito
`rowTag`	Etiqueta de fila de los archivos XML que se van a tratar como una fila. En el XML `<books> <book><book>...<books>` de ejemplo, el valor adecuado es `book`. Esta es una opción necesaria.	leer
`samplingRatio`	Define una fracción de filas usadas para la inferencia de esquema. Las funciones integradas XML omiten esta opción. Predeterminado: `1.0`.	leer
`excludeAttribute`	Si se excluyen los atributos en los elementos. Predeterminado: `false`.	leer
`mode`	Modo para tratar los registros corruptos durante el análisis sintáctico. `PERMISSIVE`: Para los registros corruptos, coloca la cadena malformada en un campo configurado por `columnNameOfCorruptRecord`, y establece los campos con formato incorrecto en `null`. Para mantener los registros dañados, puede establecer un campo `string` de tipo cadena denominado `columnNameOfCorruptRecord` en un esquema definido por el usuario. Si un esquema no tiene el campo, los registros dañados se quitan durante el análisis. Al deducir un esquema, agrega implícitamente un campo `columnNameOfCorruptRecord` en un esquema de salida. `DROPMALFORMED`: omite los registros dañados. Este modo no es compatible con las funciones integradas XML. `FAILFAST`: produce una excepción cuando el analizador cumple los registros dañados.	leer
`inferSchema`	Si `true`es, intenta deducir un tipo adecuado para cada columna DataFrame resultante. Si `false`es, todas las columnas resultantes son de `string` tipo. Valor predeterminado: `true`. Las funciones integradas XML omiten esta opción.	leer
`columnNameOfCorruptRecord`	Permite cambiar el nombre del nuevo campo que contiene una cadena con formato incorrecto creada por el modo `PERMISSIVE`. Predeterminado: `spark.sql.columnNameOfCorruptRecord`.	leer
`attributePrefix`	El prefijo de los atributos para diferenciarlos de los elementos. Este será el prefijo para los nombres de campo. El valor predeterminado es `_`. Puede estar vacío para leer XML, pero no para escribir.	lectura,escritura
`valueTag`	Etiqueta usada para los datos de caracteres dentro de los elementos que también tienen atributos o elementos secundarios. El usuario puede especificar el `valueTag` campo en el esquema o se agregará automáticamente durante la inferencia de esquema cuando los datos de caracteres estén presentes en elementos con otros elementos o atributos. Opción predeterminada: `_VALUE`	lectura,escritura
`encoding`	Para leer, descodifica los archivos XML mediante el tipo de codificación especificado. Para escribir, especifica la codificación (charset) de los archivos XML guardados. Las funciones integradas XML omiten esta opción. Predeterminado: `UTF-8`.	lectura,escritura
`ignoreSurroundingSpaces`	Define si deben omitirse los espacios en blanco circundantes de los valores que se están leyendo. Predeterminado: `true`. Los datos de caracteres de solo espacio en blanco se omiten.	leer
`rowValidationXSDPath`	Ruta a un archivo XSD opcional que se utiliza para validar el XML de cada fila individualmente. Las filas que no se validan se tratan como errores de análisis como se mencionó anteriormente. De otro modo, el archivo XSD no afecta al esquema proporcionado o inferido.	leer
`ignoreNamespace`	Si `true`, se ignoran los prefijos de los espacios de nombres en los elementos y atributos XML. Las etiquetas `<abc:author>` y `<def:author>`, por ejemplo, se tratan como si ambos son simplemente `<author>`. Los espacios de nombres no pueden ignorarse en el elemento `rowTag`, sólo sus elementos secundarios. El análisis XML no es compatible con el espacio de nombres, incluso si `false`. Predeterminado: `false`.	leer
`timestampFormat`	Cadena de formato de marca de tiempo personalizada que sigue el formato de patrón datetime. Esto se aplica al tipo `timestamp`. Predeterminado: `yyyy-MM-dd'T'HH:mm:ss[.SSS][XXX]`.	lectura,escritura
`timestampNTZFormat`	Cadena de formato personalizado para la marca de tiempo sin zona horaria que sigue el formato de patrón datetime. Esto se aplica al tipo TimestampNTZType. Valor predeterminado: `yyyy-MM-dd'T'HH:mm:ss[.SSS]`	lectura,escritura
`dateFormat`	Cadena de formato de fecha personalizada que sigue el formato de patrón datetime. Esto se aplica al tipo de fecha. Predeterminado: `yyyy-MM-dd`.	lectura,escritura
`locale`	Establece una configuración regional como etiqueta de idioma en formato IETF BCP 47. Por ejemplo, `locale` se usa al analizar fechas y marcas de tiempo. Predeterminado: `en-US`.	leer
`rootTag`	Etiqueta raíz de los archivos XML. Por ejemplo, en `<books> <book><book>...</books>`, el valor adecuado es `books`. Puede incluir atributos básicos especificando un valor como `books foo="bar"`. Predeterminado: `ROWS`.	escritura
`declaration`	Contenido de la declaración XML que se va a escribir al principio de cada archivo XML de salida, antes de `rootTag`. Por ejemplo, un valor de `foo` hace `<?xml foo?>` que se escriba. Establezca una cadena vacía para suprimirla. Opción predeterminada: `version="1.0"` `encoding="UTF-8" standalone="yes"`.	escritura
`arrayElementName`	Nombre del elemento XML que incluye cada elemento de una columna con valores de matriz al escribir. Predeterminado: `item`.	escritura
`nullValue`	Establece la representación en cadena de un valor nulo. Predeterminado: cadena `null`. Cuando se trata de `null`, el analizador no escribe atributos y elementos para los campos.	lectura,escritura
`compression`	Código de compresión a utilizar al guardar en un archivo. Puede ser uno de los nombres abreviados conocidos sin distinción de mayúsculas y minúsculas (`none`, `bzip2`, `gzip`,`lz4`, `snappy` y `deflate`). Las funciones integradas XML omiten esta opción. Predeterminado: `none`.	escritura
`validateName`	Si es true, produce un error si la validación del nombre del elemento XML falla. Por ejemplo, los nombres de campo SQL pueden tener espacios, pero los nombres de elementos XML no. Valor predeterminado: `true`.	escritura
`readerCaseSensitive`	Especifica el comportamiento de distinción entre mayúsculas y minúsculas cuando se habilita rescuedDataColumn. Si es true, rescate las columnas de datos cuyos nombres difieren entre mayúsculas y minúsculas del esquema; de lo contrario, lea los datos de una manera sin distinción entre mayúsculas y minúsculas. Predeterminado: `true`.	leer
`rescuedDataColumn`	Si se recopilan todos los datos que no se pueden analizar por un error de coincidencia de tipos de datos o a una falta de coincidencia de esquemas (incluido el uso de mayúsculas y minúsculas en las columnas) en una columna independiente. Esta columna se incluye de forma predeterminada cuando se usa Auto Loader. Para obtener más información, consulte ¿Qué es la columna de datos rescatados?. Predeterminado: Ninguno.	leer

Opciones de `PARQUET`

Opción
`datetimeRebaseMode` Tipo: `String` Controla el cambio de base de los valores de fecha y marca de tiempo entre el calendario juliano y gregoriano proléptico. Valores permitidos: `EXCEPTION`, `LEGACY` y `CORRECTED`. Valor predeterminado: `LEGACY`
`int96RebaseMode` Tipo: `String` Controla el cambio de base de los valores de marca de tiempo INT96 entre el calendario juliano y el gregoriano proléptico. Valores permitidos: `EXCEPTION`, `LEGACY` y `CORRECTED`. Valor predeterminado: `LEGACY`
`mergeSchema` Tipo: `Boolean` Si se debe inferir el esquema en varios archivos y combinar el esquema de cada archivo. Valor predeterminado: `false`
`readerCaseSensitive` Tipo: `Boolean` Especifica el comportamiento de distinción entre mayúsculas y minúsculas cuando `rescuedDataColumn` está habilitado. Si es true, rescate las columnas de datos cuyos nombres difieren entre mayúsculas y minúsculas del esquema; de lo contrario, lea los datos de una manera sin distinción entre mayúsculas y minúsculas. Valor predeterminado: `true`
`rescuedDataColumn` Tipo: `String` Si se recopilan todos los datos que no se pueden analizar por un error de coincidencia de tipos de datos o a una falta de coincidencia de esquemas (incluido el uso de mayúsculas y minúsculas en las columnas) en una columna independiente. Esta columna se incluye de forma predeterminada cuando se usa Auto Loader. Para obtener más información, consulte ¿Qué es la columna de datos rescatados?. Valor predeterminado: ninguno

`AVRO` opciones

Opción
`avroSchema` Tipo: `String` Esquema opcional proporcionado por un usuario en formato Avro. Al leer Avro, esta opción se puede establecer en un esquema evolucionado, que es compatible con el esquema de Avro real pero distinto de este. El esquema de deserialización será coherente con el esquema evolucionado. Por ejemplo, si establece un esquema evolucionado que contiene una columna adicional con un valor predeterminado, el resultado de lectura contendrá también la nueva columna. Valor predeterminado: ninguno
`datetimeRebaseMode` Tipo: `String` Controla el cambio de base de los valores de fecha y marca de tiempo entre el calendario juliano y gregoriano proléptico. Valores permitidos: `EXCEPTION`, `LEGACY` y `CORRECTED`. Valor predeterminado: `LEGACY`
`mergeSchema` Tipo: `Boolean` Si se debe inferir el esquema en varios archivos y combinar el esquema de cada archivo. `mergeSchema` para Avro no flexibiliza los tipos de datos. Valor predeterminado: `false`
`readerCaseSensitive` Tipo: `Boolean` Especifica el comportamiento de distinción entre mayúsculas y minúsculas cuando `rescuedDataColumn` está habilitado. Si es true, rescate las columnas de datos cuyos nombres difieren entre mayúsculas y minúsculas del esquema; de lo contrario, lea los datos de una manera sin distinción entre mayúsculas y minúsculas. Valor predeterminado: `true`
`rescuedDataColumn` Tipo: `String` Si se recopilan todos los datos que no se pueden analizar por un error de coincidencia de tipos de datos o a una falta de coincidencia de esquemas (incluido el uso de mayúsculas y minúsculas en las columnas) en una columna independiente. Esta columna se incluye de forma predeterminada cuando se usa Auto Loader. Para obtener más información, consulte ¿Qué es la columna de datos rescatados?. Valor predeterminado: ninguno

`BINARYFILE` opciones

Los archivos binarios no tienen ninguna opción de configuración adicional.

`TEXT` opciones

Opción
`encoding` Tipo: `String` Nombre de la codificación de los archivos de texto. Consulte `java.nio.charset.Charset` para la lista de opciones. Valor predeterminado: `UTF-8`
`lineSep` Tipo: `String` Cadena entre dos registros de TEXT consecutivos. Valor predeterminado: None, que abarca `\r`, `\r\n` y `\n`
`wholeText` Tipo: `Boolean` Si se debe leer un archivo como único registro. Valor predeterminado: `false`

`ORC` opciones

Opción
`mergeSchema` Tipo: `Boolean` Si se debe inferir el esquema en varios archivos y combinar el esquema de cada archivo. Valor predeterminado: `false`

Compartir vía

`COPY INTO`

Sintaxis

Parámetros

Invocar `COPY INTO` simultáneamente

Acceso a metadatos de archivo

Opciones de formato

Opciones genéricas

`JSON` opciones

`CSV` opciones

Opciones de `XML`

Opciones de `PARQUET`

`AVRO` opciones

`BINARYFILE` opciones

`TEXT` opciones

`ORC` opciones

Comentarios

Recursos adicionales

Compartir vía

COPY INTO

Sintaxis

Parámetros

Invocar COPY INTO simultáneamente

Acceso a metadatos de archivo

Opciones de formato

Opciones genéricas

JSON opciones

CSV opciones

Opciones de XML

Opciones de PARQUET

AVRO opciones

BINARYFILE opciones

TEXT opciones

ORC opciones

Artículos relacionados

Comentarios

Recursos adicionales

`COPY INTO`

Invocar `COPY INTO` simultáneamente

`JSON` opciones

`CSV` opciones

Opciones de `XML`

Opciones de `PARQUET`

`AVRO` opciones

`BINARYFILE` opciones

`TEXT` opciones

`ORC` opciones