4.1 抽取文本数据-CSV文件的抽取

CSV是Comma-Separated Values的缩写，即逗号分隔值。

CSV文件是用逗号分隔数据字段的文件，因此也被称为逗号分隔值文件，有时会使用字符来替代逗号实现分隔，因此，也被称为字符分隔文件。CSV文件是以纯文本形式存储表格数据（数字和文本），纯文本意味着该文件是一个字符序列。CSV文件可通过Excel打开，也可以通过txt、Notepad++等文本编辑器打开，从而对文件进行查看、编辑等操作。 CSV文件是由任意数目的记录组成，记录之间以某种换行符分隔；每条记录由字段组成，字段之间的分隔符常见的有逗号或制表符。通常，整个文件中的所有记录都有完全相同的字段序列。

CSV作为数据转存的一种常用格式，它有特定的实现规则，具体如下

文件开头不能留空，以“行”为单位；

文件可含或不含列名，若含有列名，则位于文件第一行；

文件中的一行数据不能跨行，行与行间不可存在空行；

文件中以英文半角逗号作为分隔符，若列为空，也要表达空列的存在；

文件中的列内容，若存在英文半角单引号，则替换成半角双引号转义；

在文件读写时，引号和逗号操作规则可以互逆；

文件中的编码格式不作限制，可以是ASCII，也可以是Unicode或者UTF8等编码格式； 

文件中不支持数字或特殊字符。

本文我们的目的是通过Kettle工具抽取CSV文件csv_extract.csv中的数据并保存至数据库extract的数据表csv中。

一、创建转换

通过使用Kettle工具，创建一个转换csv_extract，并添加“CSV文件输入”控件、“表输出”控件以及Hop跳连接线，具体如图所示

二、配置csv文件输入控件

 

三、配置表输出控件

 

 

  单击转换工作区顶部的运行按钮，运行创建的csv_extract转换。

 进入数据库可以发现，已经抽取成功了