概述
Text file input(文本文件输入)步骤从各种文本文件类型读取数据，包括由电子表格和固定宽度的平面文件生成的格式。该步骤的特性允许您从文件或目录列表中读取，使用正则表达式形式的通配符，并接受前面步骤中生成的文件名。
选项
文本文件输入
Text file input(文本文件输入)步骤有以下选项：
Step name(步骤名称)：在画布上指定Text file input(文本文件输入)步骤的唯一名称。您可以自定义名称或将其保留为默认名称。
- 文件选项卡包含如下选项
File or directory(文件或目录)：如果未在字段中定义源，请指定源位置。单击浏览(B)...以显示打开的文件窗口并导航到文件或文件夹。有关支持的文件类型，请参阅连接到虚拟文件系统(https://help.pentaho.com/Documentation/9.1/Products/Connecting_to_Virtual_File_Systems)。点击增加以将源包含在选中的文件列表中。如果源位置是在字段中定义的，请使用从以前的步骤接受文件名来指定文件名。
Regular expression(正则表达式)：指定一个正则表达式来匹配指定目录中的文件名。
Exclude Regular Expression(正则表达式(排除))：指定一个正则表达式以排除指定目录中的文件名。
正则表达式
使用文件选项卡中的通配符(正则表达式)字段以通配符的形式搜索正则表达式中的文件。正则表达式比使用*和?通配符更复杂。下面描述了几个正则表达式示例。
1.示例一
文件或目录：/dirA/
正则表达式：.userdata..txt
选中的文件：在/dirA/中查找名称包含userdata并以.txt结尾的所有文件。
2.示例二
文件或目录：/dirB/
正则表达式：AAA.*
选中的文件：在/dirB/中查找名称以AAA开头的所有文件。
3.示例三
文件或目录：/dirC/
正则表达式：[ENG:A-Z][ENG:0-9].*
选中的文件：在/dirC/中查找名称以大写开头后跟数字(A0-Z9)的所有文件。
Selected Files(选中的文件)列表中列信息介绍
所选中的文件列表显示用作输入源位置的文件或目录。在指定文件或目录后，单击增加填充此表。当单击增加将指定的文件或目录添加到列表中时，输入步骤尝试连接到该文件或目录。
File/Directory(文件/目录)：在文件或目录中指定源文件后单击增加所指示的源位置。
Wildcard (RegExp)(通配符号)：指定一个正则表达式来匹配指定目录中的文件名。
Exclude wildcard(通配符号(排除))：指定一个正则表达式以排除指定目录中的文件名。
Required(要求)：输入所需的源位置。
Include subfolders(包含子目录)：源位置中是否包含子文件夹。
单击删除从表中删除源。单击编辑从表中删除一个源，并将其返回到文件或目录选项。
从上一步获取文件名包含的选项信息
您可以指定文件名并将其传递给输入步骤，该步骤允许文件名来自任何源，比如文本文件或数据库表。
Accept filenames from previous step(从以前的步骤接受文件名)：选择此选项可从前面的步骤中获取文件名。
Pass through fields from previous step(从以前的步骤接受字段名)：选择从前面的步骤中获取字段信息。
Step to read file names from(步骤读取的文件名来自)：输入要从中读取文件名的步骤的名称。
Field in the input to use as filename(在输入里的字段被当作文件名)：输入要从中读取文件名的步骤的名称。
操作按钮
在文件选项卡字段中输入信息后，如果想查看源文件名或数据内容，请选择一个操作按钮。
Show filename(s)(显示文件名...)：选择此选项以显示连接到该步骤的源的文件名。
Show file content(显示文件内容)：选择显示所选文件的原始内容。
Show content from first data line(显示来自第一条数据行的内容)：选择以显示所选文件的第一个数据行中的内容。
- 内容选项卡包含如下选项
在内容选项卡中，可以使用以下选项指定源文件的格式。
Filetype(文件类型)：选择CSV或固定长度。根据所选择的文件类型，在字段选项卡中单击获取字段时将出现相应的界面。
Separator(分隔符)：指定用于在一行文本中分隔字段的字符，通常是分号或制表符。单击Insert Tab将制表符放置在分隔符字段中。默认值是分号(;)。
Enclosure(文本限定符)：指定一个可选字符，用于括起字段(如果字段包含分隔符)。默认值是双引号(")。
Escape(逃逸字符)：指定一个或多个字符，以指示另一个字符是否为常规文本的一部分。例如，如果反斜杠()是转义字符，单引号(')是分隔符，那么文本Not the nine o’clock news将被解析为Not the nine o’clock news。
Header(头部)：选择文本文件是否有标题行(文件中的第一行)。您可以使用头部行数量来指定标题行出现的次数。
Footer(尾部)：选择文本文件是否有页脚行(文件中的最后一行)。可以使用尾部行数量来指定页脚行出现的次数。
Wrapped lines(包装行)：选择是否处理已超出特定页限制的数据行。可以使用以时间包装的行数来指定换行的次数。
Paged layout (printout)(分页布局)：在设计输出到行式打印机的文本文件上的其他文本处理选项(上面)失败时选择。您可以使用文档头部行来跳过介绍性文本，并使用每页记录行数来定位数据行。
Compression(压缩)：选择您的文本文件是ZIP或GZip归档文件。只读取存档中的第一个文件。
No empty rows(没有空行)：选择是否不想将空行发送到后续步骤。
Include filename in output(在输出包含字段名)：选择是否希望文件名作为输出的一部分，并使用包含文件名的字段名称输入包含文件名的字段的名称。
Rownum in output?(输出包含行数？)：选择是否希望行号作为输出的一部分。可以使用行数字段名称输入包含行号的字段的名称。如果希望允许每个文件重置行号，请选择按文件取行号。
Format(格式)：选择文件格式，可以是DOS、UNIX或mixed。UNIX文件有以换行符结束的行。DOS文件用回车符和换行符分隔行。如果指定mixed，则不执行验证。
Encoding(编码格式)：选择要使用的文本文件编码。如果留空以使用系统上的默认编码。要使用Unicode，请指定UTF-8或UTF-16。第一次使用时，PDI客户端会在系统中搜索可用的编码。
Length(长度)：根据字段类型选择字段的长度。可以选择的值：Characters或Bytes。
Limit(记录数量限制)：指定此步骤生成的记录数量的限制。不限制数量的记录指定为0。
Be lenient when parsing dates?(解析日期的时候是否严格要求？)：如果需要对数据字段进行严格解析，请清除该复选框。如果被选中，像1月32日这样的日期就变成了2月1日。
The date format Locale(本地日期格式)：指定要用于解析完整编写的日期的语言环境，例如2006年2月2日。例如，在设置为French (fr_FR)的系统上解析2006年2月2日将无法工作，因为February在该语言环境中称为Février。
Add filenames to result(添加文件名)：选择将文件名添加到生成的文件名列表中。
- 错误处理选项卡包含如下选项
在错误处理选项卡中，您可以指定步骤在发生错误时的反应，例如格式错误的记录、错误的附件字符串、错误的字段数量和过早的行结束。
Ignore errors?(忽略错误？)：选择是否希望在解析期间忽略错误。
Skip error files?(忽略错误文件？)：选择是否要跳过包含错误的文件。您可以生成一个文件，其中包含发生错误的文件列表。否则，不跳过有错误的文件，并且解析错误的文件为空(null)。
Error file field name(错误文件字段名)：如果要添加发生错误的字段名，请指定错误文件名。
File error message field name(文件错误信息字段名)：如果要在错误文件中发生错误的地方添加字段名，请指定错误消息字段名。
Skip error lines?(跳过错误行？)：选择是否要跳过包含错误的行。您可以生成一个额外的文件，其中包含发生错误的行号。否则，不会跳过有错误的行，并且解析错误的字段为空(null)。
Error count fieldname(错误计数字段)：如果要将包含该行错误数量的字段添加到输出行，请指定字段名称。
Error fields fieldname(错误字段文件名)：如果要添加一个字段，其中包含在输出行中发生错误的字段的名称，请指定字段名称。
Error text fieldname(错误文本字段)：如果要向输出行添加包含解析错误发生描述的字段，请指定字段名称。
Warning files directory(警告文件目录)：指定生成警告时放置警告的目录位置。结果文件的名称为/filename..。
Error files directory(错误文件目录)：指定发生错误时放置错误的目录位置。结果文件的名称为/filename..。
Failing line numbers files directory(失败行数文件目录)：指定在出现解析错误时所在的目录位置。结果文件的名称为/filename..。
- 过滤选项卡包含如下选项
过滤选项卡包含一个带有列的列表，您可以在其中指定要在文本文件中跳过的行。
Filter string(过滤字符串)：您想要搜索的字符串。
Filter position(过滤器位置)：在该行中必须放置过滤器字符串的位置。
Stop on filter(停止在过滤器)：如果您想在遇到过滤器字符串时停止处理当前文本文件，请输入Y。在遇到字符串后，输入N继续处理。
Positive match(积极匹配)：如果您想处理与筛选器字符串匹配的行，请输入Y。输入N来忽略匹配的行。
- 字段选项卡包含如下选项
在字段选项卡中，可以指定从文本文件中读取的字段的名称和格式。
Name(名称)：字段的名称。
Type(类型)：字段的类型可以是字符串、日期或数字。
Format(格式)：有关格式符号的完整描述，请参阅数字格式(https://help.pentaho.com/Documentation/9.1/Products/Using_the_Hadoop_File_Input_step_on_the_Pentaho_engine#r_pentaho_number_formats_pdi_step_reuse)。
Position(位置)：处理固定文件类型时需要的位置。它是从零开始的，所以第一个字符从0开始。
Length(长度)：这个字段的值取决于格式：Number：一个数字中有效数字的总数；String：字符串的总长度；Date：字符串打印输出的总长度。例如，4只返回年份。
Precision(精度)：用于数字类型字段的浮点数。
Currency(货币类型)：货币符号(例如$或€)。
Decimal(小数)：小数点可以是.(例如5,000.00)或,(例如5.000,00)。
Group(分组)：分组可以是,(例如10,000.00)或.(例如5.000,00)。
Null if：将此值视为空值。
Default(默认)：未指定文本文件中的字段时的默认值(空)。
Trim type(去除空字符串方式)：应用于字符串的修剪方法。
Repeat(重复)：如果该行中对应的值为空，则重复上次非空时的值(Y或N)。
数字格式
- 符号：0 位置：数字类型 本地化：Yes 意义：数字。
- 符号：# 位置：数字类型 本地化：Yes 意义：数字，零表示不存在。
- 符号：. 位置：数字类型 本地化：Yes 意义：十进制分隔符或货币十进制分隔符。
- 符号：- 位置：数字类型 本地化：Yes 意义：负号。
- 符号：, 位置：数字类型 本地化：Yes 意义：分组分隔符。
- 符号：E 位置：数字类型 本地化：Yes 意义：在科学记数法中分离尾数和指数。无需在前缀或后缀中引用。
- 符号：; 位置：子模式边界 本地化：Yes 意义：区分积极和消极模式。
- 符号：% 位置：前缀或后缀 本地化：Yes 意义：乘以100并显示为百分比。
- 符号：‰(/u2030) 位置：前缀或后缀 本地化：Yes 意义：乘以1000，表示为每千分之一。
- 符号：¤(/u00A4) 位置：前缀或后缀 本地化：No 意义：货币符号，由货币符号代替。如果加倍，就会被国际货币符号取代。如果在模式中出现，则使用货币小数分隔符而不是小数分隔符。
- 符号：‘ 位置：前缀或后缀 本地化：No 意义：用于在前缀或后缀中引用特殊字符，例如，'#'#格式为123到#123。为了创建单引号本身，请连续使用两个：# o”clock。
科学记数法
在模式中，紧跟着一个或多个数字字符的指数字符表示科学符号，例如0.###E0将数字1234格式化为1.234E3。
日期格式
- 字母：G 日期或时间元素：纪元标志符 表示：文本 示例：公元后
- 字母：y 日期或时间元素：年 表示：年份 示例：1996或96
- 字母：M 日期或时间元素：年中的月份 表示：月份 示例：July, Jul或07
- 字母：w 日期或时间元素：年中的周数 表示：数字类型 示例：27
- 字母：W 日期或时间元素：月份中的周数 表示：数字类型 示例：2
- 字母：D 日期或时间元素：年中的天数 表示：数字类型 示例：189
- 字母：d 日期或时间元素：月份中的天数 表示：数字类型 示例：10
- 字母：F 日期或时间元素：月份中的星期 表示：数字类型 示例：2
- 字母：E 日期或时间元素：星期中的天数 表示：数字类型 示例：Tuesday 或 Tue
- 字母：a 日期或时间元素：Am/pm 标记 表示：文本 示例：PM
- 字母：H 日期或时间元素：一天中的小时数(0-23) 表示：数字类型 示例：0
- 字母：k 日期或时间元素： 一天中的小时数(1-24) 表示：数字类型 示例：24
- 字母：K 日期或时间元素：am/pm 中的小时数(0-11) 表示：数字类型 示例：0
- 字母：h 日期或时间元素： am/pm 中的小时数(1-12) 表示：数字类型 示例：12
- 字母：m 日期或时间元素： 小时中的分钟数 表示：数字类型 示例：30
- 字母：s 日期或时间元素：分钟中的秒数 表示：数字类型 示例：55
- 字母：S 日期或时间元素： 毫秒数 表示：数字类型 示例：978
- 字母：z 日期或时间元素：时区 表示：通用时区 示例：Pacific Standard Time, PST 或者 GMT-08:00
- 字母：Z 日期或时间元素：时区 表示：RFC 822时区 示例：-0800
- 其他输出字段选项卡包含如下选项
Short filename field(文件名字段)：指定包含不带路径信息但带扩展名的文件名的字段。
Extension field(扩展名字段)：指定包含文件名扩展名的字段。
Path field(路径字段)：以操作系统格式指定包含路径的字段。
Size field(文件大小字段)：指定包含数据大小的字段。
Is hidden field(是否为隐藏文件字段)：指定文件是否隐藏的字段(布尔值)。
Last modification field(最后修改时间字段)：指定表示文件最后一次修改日期的字段。
Uri field(Uri字段)：指定包含URI的字段。
Root uri field(Root uri字段)：指定只包含URI根部分的字段。
元数据注入支持
此步骤的所有字段都支持元数据注入。您可以将此步骤与ETL元数据注入一起使用，以便在运行时将元数据传递给您的转换。
示例
双击输入中的文件输入，添加一个文件输入。
文件输入
然后双击添加的步骤进行编辑。
点击浏览(B)，选择一个文件/data-integration/samples/transformations/files/sales_data.csv。然后点击增加。
添加文件
切换内容选项卡，设置分隔符为,，格式为Unix。
设置内容
然后切换至字段选项卡，点击获取字段。
获取字段
然后点击预览记录，预览选择表的数据列表。
4952
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
