kettle经验篇：取出一个字符串中的两个数值

项目场景

在一个数据清洗、同步的需求中；有一个要求是判断两个数值是否在正常范围内，并根据判断结果给出异常标记。但这两个数值是以XML的格式存储在Oracle的CLOB字段中，且在同一个XML节点中。该节点的内容如下:

"OD: 17.4 mmHg      OS: 15.1 mmHg"

必须取出其中的17.4，15.1两个值才可以进行判断。这个点还是困扰了我个把个小时，各种百度没有一个理想的结果。 

问题分析 

从XML中取出该节点是很简单的，直接在SQL中就可以取出，代码如下：

（因为涉及到公司业务隐私，表名、字段名都做了匿名化改动，且删除了无关字段）

SELECT 

SUBSTR(NMB1.RPT_CONT,
                    INSTR(NMB1.RPT_CONT,'<findings>')+10,
                          (INSTR(NMB1.RPT_CONT,'</findings>') - INSTR(NMB1.RPT_CONT,'<findings>' ) - 10)) AS FINDINGS
/*CHANGE_FLAG的判断在这里写太复杂难看，放在js组件中去判断*/
FROM NMB1 

无论从上帝视角还是问题未解决前的情况来看的话，写SQL也能解决将两个数值从一个字符串中取出的问题，但那样的SQL太臭太长了。所以将其放到kettle的Java script 组件中去写代码解决。

按照既往的经验，可以用正则表达式很轻松的取出一个字符串中的数字，代码如下：

var price ="价格10000元，不贵";
var num = price.replace(/[^0-9|.]/ig,""); //小数点不排除掉（保留小数点）

但是这次的情况是需要取出 一个字符串中的两个数值，如果还是按照上述正则方法的话，只能得到【17.415.1】这样的数字，做不了判断，没有意义。

咋办勒？

这个时候就需要一句名人名言了：“技术太菜，曲线救国”

• 把"OD: 17.4 mmHg      OS: 15.1 mmHg"这个字符串拆分成两个字符串；
• 每个字符串中只包含一个数值
• 然后再用上文叙述的正则方法取出其中的数值
• 拿到数值后再进行正常范围判断

那怎么将"OD: 17.4 mmHg      OS: 15.1 mmHg"这种字符串拆成分别包含一个数值的两个字符串呢？

大家还记得我们上面是怎么把xml节点取出来的吗？是混合使用了substr和instr函数；那么在此处我们依然可以用该思路去做。但kettle的Java script组件中是没有instr函数的，与之类似功能的函数是indexOf()，我们就可以利用Java script的内置函数indexOf()和substr()去落实该思路。

代码展现

下面就是上述思路的一个完整代码（Java script组件） 

//Script here

var CHANGE_FLAG = "";
var maxvalue = 21;
var minvalue = 10;
var FINDINGS = FINDINGS;

var index1 = 0;
var str1 = ""; 
var OD = 0
if(FINDINGS != null && FINDINGS.length != 0){

	index1 = indexOf(FINDINGS,"mmHg")

	str1 = substr(FINDINGS,0,index1)

	OD = str1.replace(/[^0-9|.]/ig,"")
}else{

	OD = 0
}


var index2 = 0;
var str2 = ""; 
var OS = 0
if(FINDINGS != null || FINDINGS.length != 0){

	index2 = indexOf(FINDINGS,"OS")

	str2 = substr(FINDINGS,0,index2)

	OS = str2.replace(/[^0-9|.]/ig,"")
}else{

	OS = 0
}


if(OD > maxvalue || OS > maxvalue || OD < minvalue || OS < minvalue){

CHANGE_FLAG = "异常"

}

下面是Java script组件的实际例子，大家可以参考。 

Java script组件

 下图是预览数据片段，已经达到期望要求。 

预览数据片段