SharePoint'tan dosyaları içeri almak

Uyarı

SharePoint içeri aktarma, Geliştirilmiş güvenlik ve uyumluluk ayarının etkin olduğu çalışma alanlarında kullanımı destekler.

Microsoft SharePoint'tan yapılandırılmış, yarı yapılandırılmış ve yapılandırılmamış dosyaları Delta tablolarına alabilirsiniz. SQL ve Spark API'leri, Auto Loader, spark.read ve COPY INTO dahil olmak üzere toplu ve akış API'lerini kullanarak SharePoint dosyalarının artımlı alımını destekler; tümü Unity Catalog yönetişimiyle.

SharePoint'ten nasıl içe aktaracağınızı seçin

Lakeflow Connect, SharePoint'ten alım yapmanın iki yolu sunar. Her ikisi de verilere SharePoint erişim sağlar, ancak yönetim düzeylerinde farklılık gösterir.

Option	Description
Yönetilen SharePoint bağlayıcısı	Kurumsal uygulamalar için tamamen yönetilen ve verileri Delta tablolarına aktaran ve bunları kaynak ile senkronize tutan bir bağlantı.
SQL ve Spark API'leri	SQL, PySpark veya Lakeflow işlem hatlarıyla, `read_files`, `spark.read`, `COPY INTO` ve Auto Loader gibi toplu iş ve akış API'lerini kullanarak özel veri alım işlem hatları oluşturun. Alım sırasında karmaşık dönüşümler gerçekleştirme esnekliği sunarken işlem hatlarınızı yönetme ve bakımını yapma konusunda size daha fazla sorumluluk verir.

Tip

Databricks, çoğu kullanım örneği için yönetilen SharePoint bağlayıcısını önerir. Otomatik artımlı içe alma, geniş biçim desteği ve esnek dosya ile klasör seçimi sunan tam yönetilen bir deneyim sağlar.

Temel özellikler

SQL ve Spark API'leri şunları sunar:

Yapılandırılmış, yarı yapılandırılmış ve yapılandırılmamış dosyaların alımı
Ayrıntılı alma: Belirli bir siteyi, alt siteyi, belge kitaplığını, klasörü veya tek bir dosyayı alma
Databricks Runtime 19 ve üzeri sürümlerde SharePoint Site Sayfalarının (.aspx) içe aktarılması. Bkz. SharePoint Site Sayfalarını İçeri Aktarma.
spark.read kullanarak Toplu İşleme ve Akış İşleme verilerinin alınması, Otomatik Yükleyici ve COPY INTO
CSV ve Excel gibi yapılandırılmış ve yarı yapılandırılmış biçimler için otomatik şema çıkarımı ve evrimi
Unity Kataloğu bağlantısıyla kimlik bilgileri depolamanın güvenliğini sağlama
Desen eşleştirme kullanarak pathGlobFilter ile dosya seçimi

Gereksinimler

SharePoint'dan dosya almak için aşağıdakilere sahip olmanız gerekir:

Unity Kataloğu'nu etkinleştirmiş bir çalışma alanı.
CREATE CONNECTION SharePoint bağlantısı oluşturmak için ayrıcalıklar veya cluster erişim modunuza bağlı olarak mevcut bir bağlantıyı kullanmak için uygun ayrıcalıklar:
- Ayrılmış Erişim Modu: MANAGE CONNECTION.
- Standart Erişim Modu: USE CONNECTION.
Databricks Runtime 17.3 LTS sürümünü veya üstünü kullanan işlem.
Sites.Read.All veya Sites.Selected izin kapsamıyla ayarlanmış OAuth kimlik doğrulaması.

Bağlantıyı oluşturma

SharePoint kimlik bilgilerinizi depolamak için bir Unity Kataloğu bağlantısı oluşturun. Bağlantı kurulum süreci, ister SQL ve Spark API'lerini kullansanız ister yönetilen SharePoint bağlayıcısını kullansanız da aynıdır.

OAuth kimlik doğrulama seçenekleri de dahil olmak üzere tam bağlantı kurulum yönergeleri için bkz. SharePoint alımı kurulumuna genel bakış.

SharePoint'tan dosyaları oku

Dosyaları okumak için, databricks.connection seçeneğini ve erişmek istediğiniz SharePoint kaynağına işaret eden bir URL'yi kullanarak oluşturduğunuz bağlantıyı geçirin. Sağladığınız URL, alımın kapsamını belirler.

Databricks Runtime 17.3 LTS ve üzerinde, aşağıdaki yol türleri desteklenmektedir:

Yol türü	Description
Site	Adres çubuğundan site URL'sini kopyalayın. `https://mytenant.sharepoint.com/sites/test-site`
Alt site	Adres çubuğundan alt site URL'sini kopyalayın. `https://mytenant.sharepoint.com/sites/test-site/test-subsite`
Belge kitaplığı	Site içeriğinden kitaplığı açın ve adres çubuğundan URL'yi kopyalayın. `https://mytenant.sharepoint.com/sites/test-site/Shared%20Documents` `https://mytenant.sharepoint.com/sites/test-site/custom-drive`
Folder	Site içeriği'nden klasörü açın ve adres çubuğundan URL'yi kopyalayın. Alternatif olarak, klasörün Details bölmesini SharePoint açın ve Path yanındaki kopyala simgesine tıklayın. `https://mytenant.sharepoint.com/sites/test-site/Shared%20Documents/Forms/AllItems.aspx?id=%2Fsites...` `https://mytenant.sharepoint.com/sites/test-site/custom-drive/test-folder`
Dosya	Dosyayı seçin, taşma menüsüne (...) tıklayın ve Önizleme'yi seçin. Adres çubuğundan URL'yi kopyalayın. Alternatif olarak, dosyanın Details bölmesini SharePoint açın ve Path yanındaki kopyala simgesine tıklayın. `https://mytenant.sharepoint.com/sites/test-site/Shared%20Documents/Forms/AllItems.aspx?viewid=1a2b3c...` `https://mytenant.sharepoint.com/sites/test-site/custom-drive/test-folder/test.csv`

Databricks Runtime 18 LTS ve üzeri, aşağıdaki yol türlerini destekler:

Yol türü	Description
İç içe alt site	Adres çubuğundan alt site URL'sini kopyalayın. `https://mytenant.sharepoint.com/sites/test-site/subsite/nested-subsite/nested-nested-subsite`
Paylaş bağlantısı	Dosya veya klasörü seçin, taşma menüsüne (...) tıklayın ve Bağlantıyı kopyala'yı seçin. Databricks, paylaşım bağlantısının hiçbir zaman sona ermeyecek şekilde ayarlanmasını önerir. `https://mytenant.sharepoint.com/:i:/s/test-site/1A2B3C4D5E6F7G8H9I`
Web için Microsoft 365 (eski adı office)	Dosyayı web için Microsoft 365 açın ve adres çubuğundan URL'yi kopyalayın. `https://mytenant.sharepoint.com/:x:/r/sites/test-site/_layouts/15/Doc.aspx?sourcedoc=%1A2B...`

Databricks Runtime 19 ve üzeri, aşağıdaki yol türleri için destek ekler:

Yol türü	Description
Tenant	Adres çubuğundan kiracı kök URL'sini kopyalayın. Tüm kiracı genelinde veri alma işlemini gerçekleştirmek için OAuth makineler arası (M2M) bağlantısı kullanmanız gerekir. Microsoft Graph `/sites/delta` uç noktası bir uygulama tokenı gerektirir. `https://mytenant.sharepoint.com`
Site Sayfaları	Bir sitenin belge kitaplıklarının dışında depolanan Site Pages (`.aspx`) kitaplığını içeri aktarın. Bkz. SharePoint Site Sayfalarını İçeri Aktarma. `https://mytenant.sharepoint.com/sites/test-site/SitePages`

Örnekler

SQL ve Spark API'leri kullanarak SharePoint'ten dosya okumanın birkaç yolu vardır.

Auto Loader kullanarak SharePoint dosyalarını akıtın.

Auto Loader, yapılandırılmış dosyaları SharePoint'ten kademeli olarak almak için en verimli yolu sağlar. Yeni dosyaları otomatik olarak algılar ve geldikçe işler. Ayrıca csv ve JSON gibi yapılandırılmış ve yarı yapılandırılmış dosyaları otomatik şema çıkarımı ve evrimi ile alabilir. Otomatik Yükleyici kullanımı hakkında ayrıntılı bilgi için bkz. Yaygın veri yükleme desenleri.

# Incrementally ingest new PDF files
df = (spark.readStream.format("cloudFiles")
    .option("cloudFiles.format", "binaryFile")
    .option("databricks.connection", "my_sharepoint_conn")
    .option("cloudFiles.schemaLocation", "<path-to-schema-location>")
    .option("pathGlobFilter", "*.pdf")
    .load("https://mytenant.sharepoint.com/sites/Marketing/Shared%20Documents")
)

# Incrementally ingest CSV files with automatic schema inference and evolution
df = (spark.readStream.format("cloudFiles")
    .option("cloudFiles.format", "csv")
    .option("databricks.connection", "my_sharepoint_conn")
    .option("cloudFiles.schemaLocation", "<path-to-schema-location>")
    .option("pathGlobFilter", "*.csv")
    .option("cloudFiles.inferColumnTypes", True)
    .option("header", True)
    .load("https://mytenant.sharepoint.com/sites/Engineering/Data/IoT_Logs")
)

Spark toplu okuma kullanarak SharePoint dosyalarını oku

Aşağıdaki örnekte, spark.read işlevi kullanılarak Python'da SharePoint dosyalarının nasıl alınacakları gösterilmektedir. İç içe yapılardan dosya okumak için recursiveFileLookup seçeneğini true olarak ayarlayın; örneğin, bir sitedeki belge kitaplıkları, bir belge kitaplığındaki klasörler veya bir sitedeki alt siteler.

# Read unstructured data as binary files
df = (spark.read
        .format("binaryFile")
        .option("databricks.connection", "my_sharepoint_conn")
        .option("recursiveFileLookup", True)
        .option("pathGlobFilter", "*.pdf") # optional. Example: only ingest PDFs
        .load("https://mytenant.sharepoint.com/sites/Marketing/Shared%20Documents"))

# Read a batch of CSV files, infer the schema, and load the data into a DataFrame
df = (spark.read
        .format("csv")
        .option("databricks.connection", "my_sharepoint_conn")
        .option("pathGlobFilter", "*.csv")
        .option("recursiveFileLookup", True)
        .option("inferSchema", True)
        .option("header", True)
        .load("https://mytenant.sharepoint.com/sites/Engineering/Data/IoT_Logs"))

# Read a specific Excel file from SharePoint, infer the schema, and load the data into a DataFrame
df = (spark.read
        .format("excel")
        .option("databricks.connection", "my_sharepoint_conn")
        .option("headerRows", 1)                   # optional
        .option("dataAddress", "Sheet1!A1:M20")  # optional
        .load("https://mytenant.sharepoint.com/sites/Finance/Shared%20Documents/Monthly/Report-Oct.xlsx"))

SharePoint dosyalarını Spark SQL kullanarak okuyun

Aşağıdaki örnek, read_files tablo değerli işlevi kullanılarak SQL'deki SharePoint dosyalarının nasıl alınacağı gösterilmektedir. Kullanım hakkında read_files ayrıntılı bilgi için, read_files tablo değerli işleve bakın.

-- Read pdf files
CREATE TABLE my_table AS
SELECT * FROM read_files(
  "https://mytenant.sharepoint.com/sites/Marketing/Shared%20Documents",
  `databricks.connection` => "my_sharepoint_conn",
  format => "binaryFile",
  pathGlobFilter => "*.pdf", -- optional. Example: only ingest PDFs
  schemaEvolutionMode => "none"
);

-- Read a specific Excel sheet and range
CREATE TABLE my_sheet_table AS
SELECT * FROM read_files(
  "https://mytenant.sharepoint.com/sites/Finance/Shared%20Documents/Monthly/Report-Oct.xlsx",
  `databricks.connection` => "my_sharepoint_conn",
  format => "excel",
  headerRows => 1,  -- optional
  dataAddress => "Sheet1!A2:D10", -- optional
  schemaEvolutionMode => "none"
);

ile artımlı alma `COPY INTO`

COPY INTO , dosyaların Delta tablosuna eşit artımlı yüklenmesini sağlar. Kullanım hakkında COPY INTO ayrıntılı bilgi için bkz. kullanarak COPY INTOyaygın veri yükleme desenleri.

CREATE TABLE IF NOT EXISTS sharepoint_pdf_table;
CREATE TABLE IF NOT EXISTS sharepoint_csv_table;
CREATE TABLE IF NOT EXISTS sharepoint_excel_table;

# Incrementally ingest new PDF files
COPY INTO sharepoint_pdf_table
  FROM "https://mytenant.sharepoint.com/sites/Marketing/Shared%20Documents"
  FILEFORMAT = BINARYFILE
  PATTERN = '*.pdf'
  FORMAT_OPTIONS ('databricks.connection' = 'my_sharepoint_conn')
  COPY_OPTIONS ('mergeSchema' = 'true');

# Incrementally ingest CSV files with automatic schema inference and evolution
COPY INTO sharepoint_csv_table
  FROM "https://mytenant.sharepoint.com/sites/Engineering/Data/IoT_Logs"
  FILEFORMAT = CSV
  PATTERN = '*.csv'
  FORMAT_OPTIONS ('databricks.connection' = 'my_sharepoint_conn', 'header' = 'true', 'inferSchema' = 'true')
  COPY_OPTIONS ('mergeSchema' = 'true');

# Ingest a single Excel file
COPY INTO sharepoint_excel_table
  FROM "https://mytenant.sharepoint.com/sites/Finance/Shared%20Documents/Monthly/Report-Oct.xlsx"
  FILEFORMAT = EXCEL
  FORMAT_OPTIONS ('databricks.connection' = 'my_sharepoint_conn', 'headerRows' = '1')
  COPY_OPTIONS ('mergeSchema' = 'true');

Lakeflow işlem hatlarında SharePoint dosyaları alma

Uyarı

SQL ve Spark API'leriyle SharePoint dosyalarını almak için Databricks Runtime 17.3 veya üzeri gereklidir.

Aşağıdaki örneklerde, Lakeflow işlem hatlarında Otomatik Yükleyici kullanarak SharePoint dosyalarının nasıl okunduğu gösterilmektedir.

Python

from pyspark import pipelines as dp

# Incrementally ingest new PDF files
@dp.table
def sharepoint_pdf_table():
  return (spark.readStream.format("cloudFiles")
    .option("cloudFiles.format", "binaryFile")
    .option("databricks.connection", "my_sharepoint_conn")
    .option("pathGlobFilter", "*.pdf")
    .load("https://mytenant.sharepoint.com/sites/Marketing/Shared%20Documents")
  )

# Incrementally ingest CSV files with automatic schema inference and evolution
@dp.table
def sharepoint_csv_table():
  return (spark.readStream.format("cloudFiles")
      .option("cloudFiles.format", "csv")
      .option("databricks.connection", "my_sharepoint_conn")
      .option("pathGlobFilter", "*.csv")
      .option("cloudFiles.inferColumnTypes", True)
      .option("header", True)
      .load("https://mytenant.sharepoint.com/sites/Engineering/Data/IoT_Logs")
  )

# Read a specific Excel file from SharePoint in a materialized view
@dp.table
def sharepoint_excel_table():
  return (spark.read.format("excel")
    .option("databricks.connection", "my_sharepoint_conn")
    .option("headerRows", 1)                   # optional
    .option("inferColumnTypes", True)            # optional
    .option("dataAddress", "Sheet1!A1:M20")  # optional
    .load("https://mytenant.sharepoint.com/sites/Finance/Shared%20Documents/Monthly/Report-Oct.xlsx")
  )

SQL

-- Incrementally ingest new PDF files
CREATE OR REFRESH STREAMING TABLE sharepoint_pdf_table
AS SELECT * FROM STREAM read_files(
  "https://mytenant.sharepoint.com/sites/Marketing/Shared%20Documents",
  format => "binaryFile",
  `databricks.connection` => "my_sharepoint_conn",
  pathGlobFilter => "*.pdf");

-- Incrementally ingest CSV files with automatic schema inference and evolution
CREATE OR REFRESH STREAMING TABLE sharepoint_csv_table
AS SELECT * FROM STREAM read_files(
  "https://mytenant.sharepoint.com/sites/Engineering/Data/IoT_Logs",
  format => "csv",
  `databricks.connection` => "my_sharepoint_conn",
  pathGlobFilter => "*.csv",
  header => "true");

-- Read a specific Excel file from SharePoint in a materialized view
CREATE OR REFRESH MATERIALIZED VIEW sharepoint_excel_table
AS SELECT * FROM read_files(
  "https://mytenant.sharepoint.com/sites/Finance/Shared%20Documents/Monthly/Report-Oct.xlsx",
  `databricks.connection` => "my_sharepoint_conn",
  format => "excel",
  headerRows => 1,  -- optional
  dataAddress => "Sheet1!A2:D10", -- optional
  `cloudFiles.schemaEvolutionMode` => "none"
);

Yapılandırılmamış dosyaları ayrıştır

SharePoint'ten yapılandırılmamış dosyaları (PDF, Word veya PowerPoint dosyaları gibi) SQL ve Spark API'leriyle binaryFile formatını kullanarak içeri aktarırken, dosya içeriği ham ikili veri olarak saklanır. Bu dosyaları, arama artırmalı üretim (RAG), arama, sınıflandırma veya belge anlama gibi yapay zeka iş yüklerine hazırlamak için, ai_parse_document kullanarak ikili içeriği yapılandırılmış, sorgulanabilir çıktıya ayrıştırabilirsiniz.

Aşağıdaki örnekte, adlı documentsbronz Delta tablosunda depolanan yapılandırılmamış belgelerin ayrıştırılmış içeriğe sahip yeni bir sütun eklemesi gösterilmektedir:

CREATE TABLE documents AS
SELECT * FROM read_files(
  "https://mytenant.sharepoint.com/sites/Marketing/Shared%20Documents",
  `databricks.connection` => "my_sharepoint_conn",
  format => "binaryFile",
  pathGlobFilter => "*.{pdf,docx}",
  schemaEvolutionMode => "none"
);
SELECT *, ai_parse_document(content, map('version', '2.0')) AS parsed_content
FROM documents;

Sütun, parsed_content sonrası yapay zeka iş akışları için doğrudan kullanılabilecek çıkarılan metinler, tablolar, düzenleme bilgileri ve meta veriler içerir.

Lakeflow işlem hatları ile artımlı ayrıştırma

Artımlı ayrıştırma özelliğini etkinleştirmek için Lakeflow işlem hatlarının içinde de kullanabilirsiniz ai_parse_document . Yeni dosyalar SharePoint'ten akarken, işlem hattınız güncellendikçe onlar otomatik olarak ayrıştırılır.

Örneğin, ham ikili dosyaları alan bronz bir akış tablosu tanımlayabilirsiniz, ardından ayrıştırılmış içeriği yeni bir sütuna yerleştiren ikinci bir akış tablosu var:

CREATE OR REFRESH STREAMING TABLE sharepoint_documents_table
AS SELECT * FROM STREAM read_files(
  "https://mytenant.sharepoint.com/sites/Marketing/Shared%20Documents",
  format => "binaryFile",
  `databricks.connection` => "my_sharepoint_conn",
  pathGlobFilter => "*.{pdf,docx}");

CREATE OR REFRESH STREAMING TABLE documents_parsed
AS SELECT
  *,
  ai_parse_document(content, map('version', '2.0')) AS parsed_content
FROM STREAM sharepoint_documents_table;

Bu yaklaşım aşağıdakilerin sağlanmasını sağlar:

Yeni alınan SharePoint dosyaları, boru hattı güncellendiğinde otomatik olarak ayrıştırılır.
Çözümlenmiş çıktılar, gelen verilerle senkronize kalır.
Sonraki yapay zeka işlem hatları her zaman güncel belge gösterimleriyle çalışır.

Desteklenen formatlar ve gelişmiş seçenekler için fonksiyona bakınızai_parse_document; çıkış şemasını sabitleyen seçenek de version dahil.

SharePoint meta veri sütunu

_sharepoint_metadata sütunu, Microsoft Graph driveItem kaynağından alınan dosyaların SharePoint özgü özelliklerine erişim sağlayan gizli bir meta veri sütunudur. Databricks Runtime 18 LTS veya üzerini gerektirir ve SharePoint okurken tüm dosya biçimlerinde kullanılabilir. Döndürülen DataFrame'e _sharepoint_metadata sütununu eklemek için, okuma sorgusunda bu sütunu açıkça seçmeniz gerekir.

Veri kaynağı _sharepoint_metadata adlı bir sütun içeriyorsa, SharePoint meta veri sütunu yinelenenleri kaldıracak şekilde __sharepoint_metadata (fazladan bir ön alt çizgiyle) olarak yeniden adlandırılır. Ad benzersiz olana kadar ek alt çizgi eklenir.

Dosya yolu veya boyutu gibi yaygın dosya meta verileri sütunu kullanılarak _metadata sorgulanabilir. Bkz. dosya meta veri sütunu.

Şema

Sütun _sharepoint_metadata aşağıdaki alanları içeren bir STRUCT sütundur. Tüm alanlar null atanabilir.

İsim	Türü	Description	Example
item_id	`STRING`	Öğenin driveItem kimliği.	`01OMQ3MNLH42C5J675CBEI5CRK7SPKQUTZ`
site_id	`STRING`	Öğeyi içeren SharePoint sitesinin kimliği.	`mytenant.sharepoint.com,69dc7b12-f92c-498d-9514-596b793a1f77,c6c1db8d-2b8d-48a1-a549-394b63d74725`
drive_id	`STRING`	Öğeyi içeren sürücünün kimliği.	`b!EnvcaSz5jUmVFFlreTofd43bwcaNK6FIpUk5S2PXRyWTvQraaWQkSpwQEgThHDS-`
sürücü_türü	`STRING`	SharePoint kitaplıkları için `documentLibrary` veya OneDrive İş için `business` gibi sürücü türü.	`documentLibrary`
parent_id	`STRING`	Üst klasörün driveItem ID'si.	`01OMQ3MNN6Y2GOVW7725BZO354PWSELRRZ`
parent_name	`STRING`	Üst klasörün adı.	`Shared Documents`
parent_path	`STRING`	Üst klasörün sürücüye göreli dosya yolu.	`/drives/b!EnvcaSz5.../root:`
web_url	`STRING`	SharePoint'da öğenin tarayıcı URL'si.	`https://mytenant.sharepoint.com/sites/TestSite/_layouts/15/Doc.aspx?sourcedoc=...`
mime_türü	`STRING`	Öğenin MIME türü.	`application/vnd.ms-excel`
created_by_email	`STRING`	Öğeyi oluşturan kullanıcının e-postası.	`alice@example.onmicrosoft.com`
created_by_name	`STRING`	Öğeyi oluşturan kullanıcının görünen adı.	`Alice Example`
created_timestamp	`TIMESTAMP`	Öğenin oluşturulduğu saat.	`2025-12-03 13:33:12`
last_modified_by_email	`STRING`	Öğeyi son değiştiren kullanıcının e-postası.	`alice@example.onmicrosoft.com`
son_değiştiren_adı	`STRING`	Öğeyi son değiştiren kullanıcının görünen adı.	`Alice Example`
etag	`STRING`	Öğenin ETag'i. Öğe veya meta verilerinden herhangi biri değiştiğinde değişir.	`"{D485E667-FDFB-4810-8E8A-2AFC9EA85279},1"`
ctag	`STRING`	Öğenin değişiklik etiketi. Yalnızca öğenin içeriği değiştiğinde değişir.	`"c:{D485E667-FDFB-4810-8E8A-2AFC9EA85279},1"`
description	`STRING`	Ayarlandıysa, öğe açıklaması.	`Q4 financial report`
ek_meta_veri	`VARIANT`	Microsoft Graph tarafından döndürülen ancak yukarıda ayıklanmamış diğer driveItem alanları.	`{"shared":{"scope":"users"},...}`

Uyarı

Alan, additional_metadata olarak VARIANT döndürülür. Bakınız VARIANT türü.

Örnekler

Aşağıdaki örneklerde sütunun okuma sorgusuna _sharepoint_metadata nasıl ekileceği, sütundan belirli alanların nasıl seçileceği ve alandaki değerlerin ayıklanması gösterilmektedir additional_metadataVARIANT .

Python

df = (spark.read
        .format("binaryFile")
        .option("databricks.connection", "my_sharepoint_conn")
        .load("https://mytenant.sharepoint.com/sites/Marketing/Shared%20Documents")
        .select("*", "_metadata", "_sharepoint_metadata"))

SQL

SELECT *, _sharepoint_metadata
FROM read_files(
  "https://mytenant.sharepoint.com/sites/Marketing/Shared%20Documents",
  `databricks.connection` => "my_sharepoint_conn",
  format => "binaryFile"
);

Yapıdan _sharepoint_metadata belirli alanları seçin:

df = (spark.read
        .format("binaryFile")
        .option("databricks.connection", "my_sharepoint_conn")
        .load("https://mytenant.sharepoint.com/sites/Marketing/Shared%20Documents")
        .select("_sharepoint_metadata.item_id", "_sharepoint_metadata.etag"))

Dönüştürme işlecini additional_metadata kullanarak VARIANT:: alanındaki değerleri ayıklayın.

SELECT
  *,
  _sharepoint_metadata.additional_metadata:shared:scope::STRING AS shared_scope
FROM read_files(
  "https://mytenant.sharepoint.com/sites/Marketing/Shared%20Documents",
  `databricks.connection` => "my_sharepoint_conn",
  format => "binaryFile"
);

SharePoint site sayfalarını içeri aktar

SharePoint, Site Sayfalarını .aspx bir sitenin Site Pages kütüphanesinde, belge kütüphanelerinden ayrı olarak dosya olarak saklar. Site Sayfalarını içe aktarmak için Databricks Runtime 19 veya üstü gerekir. Site Sayfaları hakkında daha fazla bilgi için SharePoint sayfaları ve sayfa modeline bakınız.

Site Sayfalarını aşağıdaki şekillerde alabilirsiniz:

Yol türü	Description
Tek sayfa	Sayfayı SharePoint'te açın ve adres çubuğundan URL'yi kopyalayın. `https://mytenant.sharepoint.com/sites/test-site/SitePages/my-news-post.aspx`
Site Sayfaları Kütüphanesi	Site içeriğinden Site Sayfalarını açın ve adres çubuğundan URL'yi kopyalayın. `https://mytenant.sharepoint.com/sites/test-site/SitePages`
Site veya alt site	Bir siteyi veya alt siteyi içe aktardığınızda Azure Databricks, sitenin belge kitaplıklarının yanı sıra Site Sayfaları kitaplığını da içe aktarır. `https://mytenant.sharepoint.com/sites/test-site`

Site sayfalarını diğer dosyalar gibi içe aktarın:

Python

# Read a single Site Page
df = (spark.read
        .format("binaryFile")
        .option("databricks.connection", "my_sharepoint_conn")
        .load("https://mytenant.sharepoint.com/sites/test-site/SitePages/my-news-post.aspx"))

# Read a site's Site Pages library
df = (spark.read
        .format("binaryFile")
        .option("databricks.connection", "my_sharepoint_conn")
        .option("pathGlobFilter", "*.aspx") # optional. Example: only ingest Site Page files
        .load("https://mytenant.sharepoint.com/sites/test-site/SitePages"))

# Read all Site Pages from a site
df = (spark.read
        .format("binaryFile")
        .option("databricks.connection", "my_sharepoint_conn")
        .option("recursiveFileLookup", True)
        .option("pathGlobFilter", "*.aspx") # optional. Example: only ingest Site Page files
        .load("https://mytenant.sharepoint.com/sites/test-site"))

SQL

-- Read a single Site Page
CREATE TABLE site_page AS
SELECT * FROM read_files(
  "https://mytenant.sharepoint.com/sites/test-site/SitePages/my-news-post.aspx",
  `databricks.connection` => "my_sharepoint_conn",
  format => "binaryFile"
);

-- Read a site's Site Pages library
CREATE TABLE site_pages AS
SELECT * FROM read_files(
  "https://mytenant.sharepoint.com/sites/test-site/SitePages",
  `databricks.connection` => "my_sharepoint_conn",
  format => "binaryFile",
  pathGlobFilter => "*.aspx" -- optional. Example: only ingest Site Page files
);

-- Read all Site Pages from a site
CREATE TABLE site_with_pages AS
SELECT * FROM read_files(
  "https://mytenant.sharepoint.com/sites/test-site",
  `databricks.connection` => "my_sharepoint_conn",
  format => "binaryFile",
  recursiveFileLookup => true,
  pathGlobFilter => "*.aspx" -- optional. Example: only ingest Site Page files
);

Otomatik Yükleyici COPY INTOve diğer arayüzler, Site Sayfaları ile diğer tüm dosyalar gibi çalışır. Yutma örnekleri için Örnekler'e bakınız.

Sınırlamalar

SQL ve Spark API'lerinin aşağıdaki sınırlamaları vardır.

Aşağıdaki Microsoft 365 ulusal bulut dağıtımları desteklenmemektedir:
- Hükümet Topluluk Bulut Lisesi (GCC Lisesi): .sharepoint.us
- Savunma Bakanlığı (DoD): .sharepoint-mil.us
- Çin'de 21Vianet tarafından işletilen Microsoft 365: .sharepoint.cn
Aynı sorguyla birden çok siteyi içe aktaramazsınız. İki siteden almak için iki ayrı sorgu yazmanız gerekir.
Dosyaları ada göre filtrelemek için seçeneğini kullanabilirsiniz pathGlobFilter . Klasör yolu tabanlı filtreleme desteklenmez.
SharePoint Listleri desteklenmemektedir.
SharePoint sunucusuna geri yazma desteklenmez.
Otomatik Yükleyici cleanSource (alma işleminden sonra kaynakta dosyaları silme veya arşivleme) desteklenmez.

Sonraki Adımlar

Gelişmiş akış alımı desenleri için Otomatik Yükleyici hakkında bilgi edinin
Idem-potent artımlı yüklemeleri keşfedin COPY INTO
Bulut nesne depolama alımı desenleriyle karşılaştırma
Alım iş akışlarınızı otomatikleştirmek için iş zamanlamasını ayarlama
Dönüşümlerle uçtan uca veri işlem hatları oluşturmak için Lakeflow işlem hatlarını kullanma

Geri Bildirim

Bu sayfayı yararlı buldunuz mu?

Son güncelleştirme: 2026-10-09

SharePoint'tan dosyaları içeri almak

SharePoint'ten nasıl içe aktaracağınızı seçin

Temel özellikler

Gereksinimler

Bağlantıyı oluşturma

SharePoint'tan dosyaları oku

Örnekler

Auto Loader kullanarak SharePoint dosyalarını akıtın.

Spark toplu okuma kullanarak SharePoint dosyalarını oku

SharePoint dosyalarını Spark SQL kullanarak okuyun

ile artımlı alma COPY INTO

Lakeflow işlem hatlarında SharePoint dosyaları alma

Python

SQL

Yapılandırılmamış dosyaları ayrıştır

Lakeflow işlem hatları ile artımlı ayrıştırma

SharePoint meta veri sütunu

Şema

Örnekler

Python

SQL

SharePoint site sayfalarını içeri aktar

Python

SQL

Sınırlamalar

Sonraki Adımlar

Geri Bildirim

Ek kaynaklar

ile artımlı alma `COPY INTO`