1. 将 RECORD 数据类型文件转换为支持的格式，如 CSV、JSON 等。这可以通过使用 Python 或其他编程语言中的适当库来完成。 例如，使用 Python 的 pandas 库，可以将 RECORD 类型的列拆分为多个新列，然后将其以 CSV 或 JSON 格式保存，以便上传到 Bigquery。以下是示例代码：

import pandas as pd

从 RECORD 类型列中提取字段

df = pd.read_csv('record_file.csv') record_cols = ['record_column'] record_dfs = [pd.DataFrame(data=list(d.values())).T for d in df[record_cols].dropna().squeeze()] record_df = pd.concat(record_dfs, ignore_index=True)

按需创建新的列

df[['field1', 'field2', 'field3']] = pd.DataFrame(record_df.values.tolist(), index=df.index)

保存为 CSV 文件

df.to_csv('converted_file.csv', index=False)

2. 如果您不想将文件转换为其他格式，可以考虑创建一个 Bigquery 数据集，并将 RECORD 类型的列定义为嵌套列。然后，您可以使用 JSON 格式上传数据到这些嵌套列。以下是示例代码：

from google.cloud import bigquery

定义 Bigquery 数据集和表

client = bigquery.Client() dataset_ref = client.dataset('my_dataset') table_ref = dataset_ref.table('my_table')

创建 Bigquery 表模式

schema = [ bigquery.SchemaField('field1', 'STRING'), bigquery.SchemaField('field2', 'STRING'), bigquery.SchemaField('record_column', 'RECORD', mode='NULLABLE', fields=[ bigquery.SchemaField('field3', 'STRING'), bigquery.SchemaField('field4', 'STRING'), ]), ]

上传数据到 Bigquery 表

rows = [ {'field1': 'value1', 'field2': 'value2', 'record_column': {'field3': 'value3', 'field4': 'value4'}}, {'field1': 'value5', 'field