python - 如何为 Airflow 连接显式声明 charset=utf8

Question

这个序列:

from airflow.hooks.mysql_hook import MySqlHook
conn = MySqlHook(mysql_conn_id='conn_id')
engine = conn.get_sqlalchemy_engine()
df.to_sql('test_table', engine, if_exists='append', index=False)

产生以下内容:

UnicodeEncodeError: 'latin-1' codec can't encode character '\ufffd' in position 57: ordinal not in range(256)

这个序列效果很好:

from sqlalchemy import create_engine
engine = create_engine("mysql://{0}:{1}@{2}/capone?charset=utf8".format(user, pwd, host))
df.to_sql('test_table', engine, if_exists='append', index=False)

关键在于显式声明charset。我尝试在 Airflow 中使用 {"charset": "utf8"} 执行此操作:

但这并没有解决错误。进行更改后，我重新启动了我的开发环境，管理面板让我知道编辑成功。我如何使用 Airflow 连接到我的字符集作为 utf8？

Answer 1

我意识到这是 Airflow 中的一个错误，我已在此处报告:https://issues.apache.org/jira/browse/AIRFLOW-4824

现在我有一个使用以下代码的解决方法:

def get_uri(hook):
    conn = hook.get_connection(getattr(hook, hook.conn_name_attr))
    login = ''
    if conn.login:
        login = '{conn.login}:{conn.password}@'.format(conn=conn)
    host = conn.host
    if conn.port is not None:
        host += ':{port}'.format(port=conn.port)
    charset = ''
    if conn.extra_dejson.get('charset', False):
        chrs = conn.extra_dejson["charset"]
        if chrs.lower() == 'utf8' or chrs.lower() == 'utf-8':
            charset = '?charset=utf8'
    return '{conn.conn_type}://{login}{host}/{conn.schema}{charset}'.format(
        conn=conn, login=login, host=host, charset=charset)

然后按如下方式使用它:

url = get_uri(sql_hook)
from sqlalchemy import create_engine
engine = create_engine(url)

真正的解决方案是向项目发送拉取请求以覆盖 mysql_hook.py 中的 get_uri。