调用persist()后无法打印RDD元素，报object does not support item assignment错误

• Python中字符串为不可变对象，无法通过下标row[i]直接修改字符串内容，你代码中row[i]='0'的操作是触发object does not support item assignment报错的直接原因。
• 代码逻辑存在错位：你想要替换的是日志最后一列（传输大小）的-为0，但你判断的是原始日志字符串最后一位为-，且尝试修改原始字符串而非分割后的字段，就算字符串支持修改也无法实现预期功能。
• 潜在逻辑漏洞：直接按空格分割日志会把请求行中GET和路径之间的空格也作为分割符，导致字段错位，后续取items2[5]会出现下标越界或取值错误的问题。

修正后的完整代码如下：

import re

def process_row(row):
    # 移除转义符"
    cleaned_row = row.replace('"', '')
    # 正则匹配NASA标准日志字段，规避请求路径内空格的干扰
    log_pattern = r'(\S+) \[([^\]]+)\] "([^"]+)" (\d+) (\S+)'
    match_result = re.match(log_pattern, cleaned_row)
    # 过滤匹配失败的脏数据
    if not match_result:
        return None
    host, request_time, request_content, status_code, size = match_result.groups()
    # 处理传输大小字段的'-'缺失值
    size = 0 if size == '-' else int(size)
    return [host, request_time, request_content, status_code, size]

# 处理日志并过滤脏数据
nasa = nasa_raw.map(process_row).filter(lambda x: x is not None)
nasa.persist()
# 直接取前10条，无需全量拉取数据到本地
first10 = nasa.take(10)
for idx, line in enumerate(first10):
    print(f'Line {idx+1:02}:  {line}')

主要修改点：

• 移除了修改不可变字符串的错误操作，针对需要替换的传输大小字段单独做缺失值处理
• 改用正则表达式匹配日志字段，适配NASA日志格式，避免空格分割导致的字段错位问题
• 用take(10)替代collect()[:10]，不需要全量拉取RDD数据到本地，大幅提升大数据量下的执行效率
• 增加脏数据过滤逻辑，避免异常格式的日志行导致任务中断

内容的提问来源于stack exchange，提问作者user1997567