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