本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。
# 用於處理 CSV 的 Open CSV SerDe
使用 Open CSV SerDe 從以逗號分隔的資料 (CSV) 建立資料表。
## 序列化程式庫名稱
Open CSV SerDe 的序列化程式庫名稱為 `org.apache.hadoop.hive.serde2.OpenCSVSerde`。如需原始程式碼資訊，請參閱 Apache 文件中的 [CSV SerDe](https://cwiki.apache.org/confluence/display/Hive/CSV+Serde)。
## 使用 Open CSV SerDe
若要使用此 SerDe，請在 `ROW FORMAT SERDE` 後指定其完整類別名稱。此外，在 `SERDEPROPERTIES` 內指定分隔符號，如下列範例所示。
```
...
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.OpenCSVSerde'
WITH SERDEPROPERTIES (
"separatorChar" = ",",
"quoteChar" = "`",
"escapeChar" = "\\"
)
```
### 忽略標頭
若要在定義資料表時忽略資料中的標題，您可以使用 `skip.header.line.count` 資料表屬性，如以下範例所示。
```
TBLPROPERTIES ("skip.header.line.count"="1")
```
如需相關範例，請參閱 [查詢 Amazon VPC 流程日誌](vpc-flow-logs.md) 和 [查詢 Amazon CloudFront 日誌](cloudfront-logs.md) 中的 `CREATE TABLE` 陳述式。
### 對無效資料使用 NULL
若要對無法還原序列化至資料欄定義類型的資料使用 NULL 值，則您可以使用 `use.null.for.invalid.data` 資料表屬性，如下列範例所示。
```
TBLPROPERTIES ("skip.header.line.count"="1")
```
**重要**
將 `use.null.for.invalid.data` 設定為 `TRUE` 可能會導致不正確或未預期的結果，因為 `NULL` 值會取代結構描述不相符的資料欄中的無效資料。我們建議您，修正檔案或資料表結構描述中的資料而不是啟用此屬性。啟用此屬性後，查詢不會因無效資料而失敗，且這可能會阻礙您發現資料品質問題。
### 字串資料的考量事項
Open CSV SerDe 具有以下字串資料特性：
+ 使用雙引號 (`"`) 做為預設的引號字元，並且可讓您指定分隔符號、引號和逸出字元，例如：
```
WITH SERDEPROPERTIES ("separatorChar" = ",", "quoteChar" = "`", "escapeChar" = "\\" )
```
+ 您無法直接逸出 `\t` 或 `\n`。若要將它們逸出，請使用 `"escapeChar" = "\\"`。如需範例，請參閱 [Example: Escaping \t or \n](#csv-serde-opencsvserde-example-escaping-t-or-n)。
+ Open CSV SerDe 不支援在 CSV 檔案中使用內嵌的換行符號。
### 非字串資料的考量事項
如需 `STRING` 之外的其他資料類型，Open CSV SerDe 會有以下表現：
+ 識別 `BOOLEAN`、`BIGINT`、`INT`，以及 `DOUBLE` 資料類型。
+ 無法識別資料欄中定義為數值資料類型的空值或 null 值，而會將其保留為 `string`。一種解決方法是建立帶有 null 值的資料欄作為 `string`，然後使用 `CAST` 將查詢中的欄位轉換為數字資料類型，並為 null 提供 `0` 預設值。如需詳細資訊，請參閱 AWS 知識中心中的[當我在 Athena 中查詢 CSV 資料時，會收到錯誤 HIVE\$1BAD\$1DATA：剖析欄位值時發生錯誤](https://aws.amazon.com/premiumsupport/knowledge-center/athena-hive-bad-data-error-csv/)。
+ 對於使用 `CREATE TABLE` 陳述式中 `timestamp` 資料類型指定的資料欄，如果其是以 UNIX 數字格式指定 (以毫秒為單位)，例如 `1579059880000`，請識別 `TIMESTAMP` 資料。如需範例，請參閱 [Example: Using the TIMESTAMP type and DATE type specified in the UNIX numeric format](#csv-serde-opencsvserde-example-timestamp-unix)。
+ Open CSV SerDe 不支援使用 JDBC 相容 `java.sql.Timestamp` 格式的 `TIMESTAMP`，例如 `"YYYY-MM-DD HH:MM:SS.fffffffff"` (9 位小數精確度)。
+ 對於使用 `CREATE TABLE` 陳述式中 `DATE` 資料類型指定的資料欄，如果這些值代表 1970 年 1 月 1 日以來經過的天數，則請將這些值識別為日期。例如，資料欄中具有 `date` 資料類型的值 `18276` 會在查詢時呈現為 `2020-01-15`。在此 UNIX 格式中，每一天都會被認為有 86,400 秒。
+ Open CSV SerDe 不支援以任何其他格式直接表示的 `DATE`。若要處理其他格式的時間戳記資料，您可以將資料欄定義為 `string`，然後使用時間轉換函數在 `SELECT` 查詢中傳回所需結果。如需詳細資訊，請參閱 [AWS 知識中心](https://aws.amazon.com/premiumsupport/knowledge-center/)中的[當我在 Amazon Athena 中查詢資料表時，TIMESTAMP 結果為空](https://aws.amazon.com/premiumsupport/knowledge-center/query-table-athena-timestamp-empty/)。
+ 若要進一步將資料欄轉換為資料表中所需的類型，您可以對資料表[建立檢視](views.md)，並使用 `CAST` 來轉換為所需的類型。
## 範例
**Example 範例：查詢簡單的 CSV 資料**
下列範例假設您在 `s3://amzn-s3-demo-bucket/mycsv/` 位置存放了 CSV 資料，其中包含下列內容：
```
"a1","a2","a3","a4"
"1","2","abc","def"
"a","a1","abc3","ab4"
```
使用 `CREATE TABLE` 陳述式以根據資料建立 Athena 資料表。參考 `ROW FORMAT SERDE` 後的 `OpenCSVSerde` (請注意 "d" 為小寫)，並指定字元分隔符號、引號字元和 `WITH SERDEPROPERTIES` 中的逸出字元，如下列範例所示。
```
CREATE EXTERNAL TABLE myopencsvtable (
col1 string,
col2 string,
col3 string,
col4 string
)
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.OpenCSVSerde'
WITH SERDEPROPERTIES (
'separatorChar' = ',',
'quoteChar' = '"',
'escapeChar' = '\\'
)
STORED AS TEXTFILE
LOCATION 's3://amzn-s3-demo-bucket/mycsv/';
```
查詢資料表中的所有值：
```
SELECT * FROM myopencsvtable;
```
此查詢會傳回下列值：
```
col1 col2 col3 col4
-----------------------------
a1 a2 a3 a4
1 2 abc def
a a1 abc3 ab4
```
**Example 範例：使用以 UNIX 數字格式指定的 TIMESTAMP (時間戳記) 類型和 DATE (日期) 類型**
請考慮以下以逗號分隔資料的三個資料欄。每個資料欄中的值皆以雙引號括住。
```
"unixvalue creationdate 18276 creationdatetime 1579059880000","18276","1579059880000"
```
以下陳述式會從指定的 Amazon S3 儲存貯體位置在 Athena 中建立資料表。
```
CREATE EXTERNAL TABLE IF NOT EXISTS testtimestamp1(
`profile_id` string,
`creationdate` date,
`creationdatetime` timestamp
)
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.OpenCSVSerde'
LOCATION 's3://amzn-s3-demo-bucket'
```
下一步，執行下列查詢：
```
SELECT * FROM testtimestamp1
```
查詢會傳回下列結果，顯示日期和時間資料：
```
profile_id creationdate creationdatetime
unixvalue creationdate 18276 creationdatetime 1579146280000 2020-01-15 2020-01-15 03:44:40.000
```
**Example 範例：逸出 \$1t 或 \$1n**
考量下列測試資料：
```
" \\t\\t\\n 123 \\t\\t\\n ",abc
" 456 ",xyz
```
下列陳述式會在 Athena 中建立資料表，並指定 `"escapeChar" = "\\"`。
```
CREATE EXTERNAL TABLE test1 (
f1 string,
s2 string)
ROW FORMAT SERDE 'org.apache.hadoop.hive.serde2.OpenCSVSerde'
WITH SERDEPROPERTIES ("separatorChar" = ",", "escapeChar" = "\\")
LOCATION 's3://amzn-s3-demo-bucket/dataset/test1/'
```
下一步，執行下列查詢：
```
SELECT * FROM test1;
```
它會傳回此結果，正確地逸出 `\t` 或 `\n`：
```
f1 s2
\t\t\n 123 \t\t\n abc
456 xyz
```