在AWS Glue ETL作业中，可以使用以下代码示例来删除文件中的分区键：

1. 从数据目录中获取文件列表。
2. 对于每个文件，使用 AWS Glue的DynamicFrame API读取数据。
3. 在DynamicFrame中删除分区键。
4. 将修改的DynamicFrame写回到输出目录。

以下是代码示例：

import boto3
import sys
from awsglue.utils import getResolvedOptions
from pyspark.context import SparkContext
from awsglue.context import GlueContext
from awsglue.dynamicframe import DynamicFrame

glueContext = GlueContext(SparkContext.getOrCreate())
spark = glueContext.spark_session
s3 = boto3.client('s3', region_name='us-east-1')

args = getResolvedOptions(sys.argv, ['JOB_NAME', 'input_bucket', 'input_prefix', 'output_bucket', 'output_prefix'])
input_bucket = args['input_bucket']
input_prefix = args['input_prefix']
output_bucket = args['output_bucket']
output_prefix = args['output_prefix']

# Get list of files in input S3 bucket and prefix
response = s3.list_objects_v2(Bucket=input_bucket, Prefix=input_prefix)
files = []

for obj in response['Contents']:
    files.append(obj['Key'])

for file in files:
    datasource0 = glueContext.create_dynamic_frame.from_options(
        connection_type="s3",
        connection_options={"paths": [f"s3://{input_bucket}/{file}"]},
        format="csv",
        format_options={"header": True}
    )

    # Removing partition keys from DynamicFrame
    data_without_partition_keys = datasource0.drop_fields(
        ['partitionColumn1', 'partitionColumn2'])

    # Writing DynamicFrame back to S3 output bucket and prefix
    glueContext.write_dynamic_frame.from_options(
        frame=data_without_partition_keys,
        connection_type="s3",
        connection_options={"path": f"s3://{output_bucket}/{output_prefix}/{file}"},
        format="csv",
        format_options={"header": True}
    )

print("ETL job finished")

此作业将从输入S3路径读取每个文件，并删除DynamicFrame中的分区键。接下来，作业将修改的DynamicFrame写回到输出S3路径。