如何在Python中提取Avro文件的模式

Question

我正在尝试使用Python的Avro库（https://pypi.python.org/pypi/avro）来读取一个由JAVA生成的AVRO文件。因为这个AVRO文件里已经包含了模式（schema），那我为什么还需要指定一个模式文件呢？有没有办法可以自动提取出来？

我发现还有一个叫做fastavro的包（https://pypi.python.org/pypi/fastavro）可以提取AVRO模式。那在Python的avro包里手动指定模式文件是设计上的要求吗？非常感谢。

Answer 1

在我的情况下，为了得到一个可以使用的Python字典，这个字典里包含一些有用的信息，比如模式名称等等，我做了以下操作：

reader: DataFileReader = DataFileReader(open(avro_file, 'rb'), DatumReader())
schema: dict = json.loads(reader.meta.get('avro.schema').decode('utf-8'))

这里的 reader.meta 是一个字典，直接拿来用其实没什么用，因为它只包含两个键：avro.codec 和 avro.schema，这两个键的值都是 bytes 对象（所以我需要对它进行解析才能访问里面的属性）。

Answer 2

直接查看一下 /usr/local/lib/python2.7/site-packages/avro/datafile.py 文件就能找到答案：

reader = avro.datafile.DataFileReader(input,avro.io.DatumReader())
schema = reader.datum_reader.writers_schema
print schema

有趣的是，在Java中有一个特别的方法可以做到这一点：reader.getSchema()。

Answer 3

我使用的是Python 3.4和Avro包的1.7.7版本。

对于模式文件，我使用：

reader = avro.datafile.DataFileReader(open('file_name.avro',"rb"),avro.io.DatumReader())
schema = reader.meta
print(schema)