文章目录

一.快速介绍
二. 功能与限制
三. 功能说明
- 3.1 配置样例
- 3.2 参数说明
- - 3.2.1 path
  - 3.2.2 column
  - 3.2.3 fieldDelimiter
  - 3.2.4 compress
  - 3.2.5 encoding
  - 3.2.6 skipHeader
  - 3.2.7 nullFormat
  - 3.2.8 csvReaderConfig
- 3.3 类型转换
参考:

一.快速介绍

实际生产中，鉴于数据安全、不同够公司数据交互等原因，很多时候会使用txt、csv等文件格式来交互数据。

TxtFileReader提供了读取本地文件系统数据存储的能力。在底层实现上，TxtFileReader获取本地文件数据，并转换为DataX传输协议传递给Writer。

本地文件内容存放的是一张逻辑意义上的二维表，例如CSV格式的文本信息。

二. 功能与限制

TxtFileReader实现了从本地文件读取数据并转为DataX协议的功能，本地文件本身是无结构化数据存储，对于DataX而言，TxtFileReader实现上类比OSSReader，有诸多相似之处。

目前TxtFileReader支持功能如下：

支持且仅支持读取TXT的文件，且要求TXT中shema为一张二维表。
支持类CSV格式文件，自定义分隔符。
支持多种类型数据读取(使用String表示)，支持列裁剪，支持列常量
支持递归读取、支持文件名过滤。
支持文本压缩，现有压缩格式为zip、gzip、bzip2。
多个File可以支持并发读取。

我们暂时不能做到：

单个File支持多线程并发读取，这里涉及到单个File内部切分算法。二期考虑支持。
单个File在压缩情况下，从技术上无法支持多线程并发读取。

三. 功能说明

3.1 配置样例

{"setting": {},"job": {"setting": {"speed": {"channel": 2}},"content": [{"reader": {"name": "txtfilereader","parameter": {"path": ["/home/haiwei.luo/case00/data"],"encoding": "UTF-8","column": [{"index": 0,"type": "long"},{"index": 1,"type": "boolean"},{"index": 2,"type": "double"},{"index": 3,"type": "string"},{"index": 4,"type": "date","format": "yyyy.MM.dd"}],"fieldDelimiter": ","}},"writer": {"name": "txtfilewriter","parameter": {"path": "/home/haiwei.luo/case00/result","fileName": "luohw","writeMode": "truncate","format": "yyyy-MM-dd"}}}]}
}

3.2 参数说明

3.2.1 path

描述：
本地文件系统的路径信息，注意这里可以支持填写多个路径。

当指定单个本地文件，TxtFileReader暂时只能使用单线程进行数据抽取。二期考虑在非压缩文件情况下针对单个File可以进行多线程并发读取。

当指定多个本地文件，TxtFileReader支持使用多线程进行数据抽取。线程并发数通过通道数指定。

当指定通配符，TxtFileReader尝试遍历出多个文件信息。例如: 指定/*代表读取/目录下所有的文件，指定/bazhen/代表读取bazhen目录下游所有的文件。TxtFileReader目前只支持作为文件通配符。

特别需要注意的是，DataX会将一个作业下同步的所有Text File视作同一张数据表。用户必须自己保证所有的File能够适配同一套schema信息。读取文件用户必须保证为类CSV格式，并且提供给DataX权限可读。

特别需要注意的是，如果Path指定的路径下没有符合匹配的文件抽取，DataX将报错。

必选：是

默认值：无

3.2.2 column

描述：
读取字段列表，type指定源数据的类型，index指定当前列来自于文本第几列(以0开始)，value指定当前类型为常量，不从源头文件读取数据，而是根据value值自动生成对应的列。

默认情况下，用户可以全部按照String类型读取数据，配置如下：

"column": ["*"]

用户可以指定Column字段信息，配置如下：

 {"type": "long","index": 0    //从本地文件文本第一列获取int字段},{"type": "string","value": "alibaba"  //从TxtFileReader内部生成alibaba的字符串字段作为当前字段}

对于用户指定Column信息，type必须填写，index/value必须选择其一。

必选：是

默认值：全部按照string类型读取

3.2.3 fieldDelimiter

描述：读取的字段分隔符

必选：是

默认值：,

3.2.4 compress

描述：文本压缩类型，默认不填写意味着没有压缩。支持压缩类型为zip、gzip、bzip2。

必选：否

默认值：没有压缩

3.2.5 encoding

描述：读取文件的编码配置。

必选：否

默认值：utf-8

3.2.6 skipHeader

描述：类CSV格式文件可能存在表头为标题情况，需要跳过。默认不跳过。

必选：否

默认值：false

3.2.7 nullFormat

描述：文本文件中无法使用标准字符串定义null(空指针)，DataX提供nullFormat定义哪些字符串可以表示为null。

例如如果用户配置: nullFormat:"\N"，那么如果源头数据是"\N"，DataX视作null字段。

必选：否

默认值：\N

3.2.8 csvReaderConfig

描述：读取CSV类型文件参数配置，Map类型。读取CSV类型文件使用的CsvReader进行读取，会有很多配置，不配置则使用默认值。

必选：否

默认值：无

常见配置：

"csvReaderConfig":{"safetySwitch": false,"skipEmptyRecords": false,"useTextQualifier": false
}

所有配置项及默认值,配置时 csvReaderConfig 的map中请严格按照以下字段名字进行配置：

boolean caseSensitive = true;
char textQualifier = 34;
boolean trimWhitespace = true;
boolean useTextQualifier = true;//是否使用csv转义字符
char delimiter = 44;//分隔符
char recordDelimiter = 0;
char comment = 35;
boolean useComments = false;
int escapeMode = 1;
boolean safetySwitch = true;//单列长度是否限制100000字符
boolean skipEmptyRecords = true;//是否跳过空行
boolean captureRawRecord = true;

3.3 类型转换

本地文件本身不提供数据类型，该类型是DataX TxtFileReader定义：

其中：

本地文件 Long是指本地文件文本中使用整形的字符串表示形式，例如"19901219"。
本地文件 Double是指本地文件文本中使用Double的字符串表示形式，例如"3.1415"。
本地文件 Boolean是指本地文件文本中使用Boolean的字符串表示形式，例如"true"、“false”。不区分大小写。
本地文件 Date是指本地文件文本中使用Date的字符串表示形式，例如"2014-12-31"，Date可以指定format格式。

参考:

https://github.com/alibaba/DataX/blob/master/txtfilereader/doc/txtfilereader.md

DataX系列3-TxtFileReader介绍相关推荐

DataX系列4-TxtFileWriter介绍
文章目录一. 快速介绍二. 功能与限制三. 功能说明 3.1 配置样例 3.2 参数说明 3.2.1 path 3.2.2 fileName 3.2.3 writeMode 3.2.4 fiel ...
SpringBoot 2.0 系列001 -- 入门介绍以及相关概念
为什么80%的码农都做不了架构师?>>> SpringBoot 2.0 系列001 -- 入门介绍以及相关概念什么是SpringBoot? 项目地址:http://proje ...
提炼游戏引擎系列：开篇介绍
前言大家好!本系列记录了从炸弹人游戏中提炼2D游戏引擎YEngine2D雏形的实战过程,您可以通过本系列了解到引擎提炼的思想.引擎的设计以及引擎是如何从游戏中提炼的,学习引擎开发的知识.希望对您能有 ...
WPF入门教程系列三——Application介绍(续)
接上文WPF入门教程系列二--Application介绍,我们继续来学习Application 三.WPF应用程序的关闭 WPF应用程序的关闭只有在应用程序的 Shutdown 方法被调用时,应用程序 ...
WPF入门教程系列四——Dispatcher介绍
WPF入门教程系列四--Dispatcher介绍一.Dispatcher介绍微软在WPF引入了Dispatcher,那么这个Dispatcher的主要作用是什么呢? 不管是WinForm应用程序还 ...
asp.net core 系列 19 EFCore介绍
asp.net core 系列 19 EFCore介绍原文:asp.net core 系列 19 EFCore介绍一.概述目前最新的EF Core版本是3.0,最稳定的EF Core版本是2.2 ...
.NET 4 并行（多核）编程系列之一入门介绍
.NET 4 并行(多核)编程系列之一入门介绍本系列文章将会对.NET 4中的并行编程技术(也称之为多核编程技术)以及应用作全面的介绍. 本篇文章的议题如下: 1. 并行编程和多线程编程的区别. ...
大白话5分钟带你走进人工智能-第二十二节决策树系列之概念介绍(1)
第二十二节决策树系列之概念介绍(1) 本系列我们讲一个新算法及其衍生出来的系列算 ...
TCP重点系列之sack介绍
原文: TCP重点系列之sack介绍 | 凡是过去皆为序曲https://allen-kevin.github.io/2017/03/01/TCP%E9%87%8D%E7%82%B9%E7%B3%B ...

DataX系列3-TxtFileReader介绍

文章目录

一.快速介绍

二. 功能与限制

三. 功能说明

3.1 配置样例

3.2 参数说明

3.2.1 path

3.2.2 column

3.2.3 fieldDelimiter

3.2.4 compress

3.2.5 encoding

3.2.6 skipHeader

3.2.7 nullFormat

3.2.8 csvReaderConfig

3.3 类型转换

参考:

DataX系列3-TxtFileReader介绍相关推荐

最新文章

热门文章