要使用AWS Glue Crawler将JSON数组的键注册为struct，可以使用AWS Glue的Python API和PySpark来实现。下面是一个示例代码：

import boto3
from pyspark.context import SparkContext
from awsglue.context import GlueContext
from pyspark.context import SparkConf

# 创建SparkContext
conf = SparkConf()
sc = SparkContext(conf=conf)
glueContext = GlueContext(sc)

# 创建AWS Glue客户端
glue_client = boto3.client('glue')

# 定义JSON数组样本数据
json_sample = [
    {
        "name": "John",
        "age": 25,
        "hobbies": ["reading", "hiking", "swimming"]
    },
    {
        "name": "Alice",
        "age": 30,
        "hobbies": ["painting", "cooking", "gardening"]
    }
]

# 将JSON数组转换为字符串
json_string = '\n'.join([json.dumps(data) for data in json_sample])

# 定义AWS Glue数据源
data_source = glueContext.create_dynamic_frame.from_catalog(
    database="YourDatabaseName",
    table_name="YourTableName",
    transformation_ctx="datasource")

# 创建JSON文件并将样本数据写入
s3 = boto3.resource('s3')
bucket_name = 'your-bucket-name'
file_name = 'your-file-name.json'
s3.Object(bucket_name, file_name).put(Body=json_string)

# 定义AWS Glue数据目标
data_sink = glueContext.create_dynamic_frame.from_catalog(
    database="YourDatabaseName",
    table_name="YourTableName",
    transformation_ctx="datasink")

# 创建AWS Glue Crawler
crawler_name = 'YourCrawlerName'
crawler_role = 'arn:aws:iam::your-account-id:role/your-role-name'
s3_path = f's3://{bucket_name}/{file_name}'
glue_client.create_crawler(
    Name=crawler_name,
    Role=crawler_role,
    Targets={
        'S3Targets': [{'Path': s3_path}]
    }
)

# 运行AWS Glue Crawler
glue_client.start_crawler(Name=crawler_name)

# 等待Crawler完成
crawler_status = glue_client.get_crawler(Name=crawler_name)['Crawler']['State']
while crawler_status not in ['STOPPING', 'STOPPED', 'FAILED']:
    crawler_status = glue_client.get_crawler(Name=crawler_name)['Crawler']['State']

# 从目标表中获取转换后的数据
transformed_data = glueContext.create_dynamic_frame.from_catalog(
    database="YourDatabaseName",
    table_name="YourTableName",
    transformation_ctx="transformed_data")

# 输出转换后的数据
transformed_data.printSchema()
transformed_data.show()

在上面的示例中，我们首先创建了一个SparkContext和GlueContext。然后，我们使用boto3库创建了AWS Glue客户端。

接下来，我们定义了一个JSON数组样本数据。将JSON数组转换为字符串，并将其写入到S3存储桶中。

然后，我们使用AWS Glue的create_dynamic_frame.from_catalog方法定义了数据源和数据目标。接着，我们使用AWS Glue的create_crawler方法创建了一个Crawler，并使用start_crawler方法运行Crawler。

最后，我们等待Crawler完成，并从目标表中获取转换后的数据。最后，我们打印输出转换后的数据的模式和内容。

在实际使用中，你需要替换示例代码中的"YourDatabaseName"、"YourTableName"、"YourCrawlerName"、"your-bucket-name"、"your-file-name.json"、"your-account-id"、"your-role-name"等参数为实际的值。

请注意，此示例假设你已经配置了正确的AWS Glue数据库、表和IAM角色，并且具有适当的权限来访问S3存储桶、创建Crawler等。