在Databricks Notebook中使用Python读取DBF文件遇阻求助

1. 修正文件路径 #

Databricks的DBFS根目录在集群节点的本地文件系统中映射为/dbfs/，Python库无法直接识别/people.dbf这类DBFS路径，必须使用本地挂载路径：

from dbfread import DBF
import pandas as pd

# 正确路径：/dbfs/ + DBFS中的文件路径
table = DBF('/dbfs/people.dbf')
df = pd.DataFrame(table)

2. 指定文件编码 #

DBF文件常用编码为cp1252（Windows默认）、gbk（中文）或latin-1，编码不匹配会导致读取失败，尝试指定编码：

# 尝试Windows默认编码
table = DBF('/dbfs/people.dbf', encoding='cp1252')
# 兼容多数8位编码的通用选项
table = DBF('/dbfs/people.dbf', encoding='latin-1')

3. 确保依赖库正确安装 #

部分DBF读取库需要额外依赖，先在Notebook中安装所需包：

%pip install dbfread dbf geopandas simpledbf

如果使用geopandas，部分集群可能缺少GDAL系统依赖，可通过集群初始化脚本添加（Ubuntu系统）：

apt-get update && apt-get install -y gdal-bin libgdal-dev

4. 验证文件完整性 #

确认people.dbf是有效的DBF文件：

• 用本地DBF查看工具（如DBF Viewer）打开文件，检查是否损坏
• 确认文件不是由CSV重命名而来，格式必须符合标准DBF规范

内容的提问来源于stack exchange，提问作者BruceTheGoose