java - tExtractJsonFields Talend，使用正则表达式按长度将列分成多列

Question

我的作业有一个来自 xml 文件的无限制列，该列的长度可以超过 4000 个字符，但是，这是 Oracle varchar 列的最大长度。我需要能够使用 Talend 中的 tExtractRegexFields 组件将每 3000-4000 个字符的列分隔到一个单独的列中。

但是，我不擅长正则表达式，遇到了一些麻烦。

文本的格式一般是这样的:

"<p>#Principal Responsibilities: </p>
<p>INSERT EXTREMELY LONG DESCRIPTION HERE</p>"

我试过用这样的东西:

"([a-zA-Z0-9]{0,4000})" 

但我运气不好，它只捕获了 1 个单词。

作业是这样设置的:

tFileInputXML------>tExtractRegexFields----->tMap------tOracleOutput

我知道我缺少的是一些简单的东西，但我就是想不通是什么!

Answer 1

您需要捕获的不仅仅是字母数字字符。试试“([.]{0,4000})”，假设 Talend 接受句号表示任何字符，那应该可以为您提供所有信息。或者，您可以接受“([a-zA-Z0-9 ]{0, 4000})”(注意空格)，这应该让您得到不止一个单词，但在第一个标点符号之后可能什么也没有。