以下是一个使用AWS Glue Spark作业来分组S3输入文件的示例代码：

from pyspark.context import SparkContext
from pyspark.sql import SparkSession
from awsglue.context import GlueContext
from awsglue.transforms import *
from awsglue.utils import getResolvedOptions

# 创建SparkSession和GlueContext
spark_context = SparkContext()
glue_context = GlueContext(spark_context)
spark_session = glue_context.spark_session

# 获取Glue作业参数
args = getResolvedOptions(sys.argv, ['JOB_NAME', 'input_bucket', 'input_prefix', 'output_bucket', 'output_prefix'])

# 创建CatalogSource来读取S3输入文件
input_table = glue_context.create_dynamic_frame.from_catalog(database = "your_database_name",
                                                            table_name = "your_table_name",
                                                            transformation_ctx = "input_table")

# 将DynamicFrame转换为DataFrame
input_df = input_table.toDF()

# 根据文件名分组
grouped_df = input_df.groupBy("filename").agg(collect_list("content").alias("contents"))

# 将分组结果转换为DynamicFrame
grouped_dynamic_frame = DynamicFrame.fromDF(grouped_df, glue_context, "grouped_dynamic_frame")

# 将结果写入S3输出
glue_context.write_dynamic_frame.from_options(frame = grouped_dynamic_frame,
                                              connection_type = "s3",
                                              connection_options = {"path": "s3://{}/{}".format(args['output_bucket'], args['output_prefix'])},
                                              format = "json",
                                              transformation_ctx = "output_table")

在代码中，需要替换以下内容：

• your_database_name和your_table_name：指定你的CatalogSource的数据库和表名。
• filename和content：根据你的输入文件结构，指定文件名和内容的列名。

此代码将读取指定的S3输入文件并根据文件名分组。然后，它将分组结果写入指定的S3输出路径中。请确保你已经在Glue作业中正确配置了输入和输出的S3路径。