file - 在 Talend 中导入带有特定分隔符的 CSV 文件

Question

我有一个 CSV 文件，其中包含我想用 Talend 解析的异常分隔符。通常，当我们有一个带有“回车”字符作为行分隔符的 CSV 时，我使用“\n”。当它是制表符分隔的文件时，我使用“\t”等。但是现在我有一个包含一些不寻常字符的文件。维基百科告诉我它是所谓的“控制字符”。我的问题是如何在 Talend 的 tFileDelimitedInput 组件中提及这些字符(参见屏幕截图 2)。我必须使用 STX 控制字符而不是换行符 (\n)，但是我如何告诉 Talend 这是哪个字符？ “\n”首先是什么符号？

文件示例:

https://dl.dropbox.com/u/1757832/talendSeparators1.jpg

Talend 中的 tFileDelimitedInput 组件，我必须在其中输入行分隔符和字段分隔符。

https://dl.dropbox.com/u/1757832/talendSeparators2.jpg

Answer 1

您是否尝试过创建 tFileDelimitedInput该文件的元数据？

这样做，你有更多的选择(见附图)。



编辑:

这是UTF-8的列表对应的控制字符代码:

SOH:标题开始:http://www.fileformat.info/info/unicode/char/0001/index.htm
STX:文本开始:http://www.fileformat.info/info/unicode/char/0002/index.htm

您是否也尝试过使用那些 utf-8 代码？

编辑 2 解决方案:

这是一个带有 STX 的文件字段分隔符



我定义了一个简单的 tFileInputDelimited具有两列的架构(键和值都是字符串)。

然后，我设置了:

行分隔符为 "\n"

字段分隔符为 new String("\u0002")

然后，我有正确的行为:

.----+------.
| tLogRow_1 |
|=---+-----=|
|key |value |
|=---+-----=|
|key1|value1|
|key2|value2|
'----+------'