在日常工作中，常见的数据文件格式有csv, json和parquet. Comma-separated values (CSV)是一种直接以纯文本方式保存的文件， 通常第一行定义了列名， 后面是数据。没列之间用逗号分割。 因为这个格式是纯文本的， 几乎可以用文本编辑器都可以打开。

1: 下载spark，解压后放到了sparks3.5.5目录中[链接]并添加环境变量2：访问[链接]，下载hadoop-3.0.0/bin,把它解压放到了C:\d\winutils\目录中，并添加了HADOOP_HOME，设置的值是C:\d\winutils\hadoop-3.0.0，然后编辑环境变量Path,把两个bin目录放到Path环境变量的值中

技术：htmlunit: 一个很好用的library, 被广泛的使用， 比如Selenium,利用它可以在后台访问网站，解析网页来获得需要的信息。commons-csv: 一个很好用的csv操作library.