使用talend DI查找并替换XML文件中的字符串

Question

我的XML文件有一个DOCTYPE标记，阻止我使用tFileInputXML。因此，我想在Talend Job中找到并替换下面的字符串？使用Talend 5.4免费版。

**<!DOCTYPE log
[
    <!ENTITY % log SYSTEM "xxxx_1.0.dtd" >
    <!ENTITY % detail SYSTEM "yyyy_log_1.0.dtd" >
    %log;
    %detail;
]>**

如果我使用tFileInputXML读取此文件而不替换我无法解析XML中的内容。我想我应该能够做一个tFileInputRegex并找到并替换然后通过tFileInputXML处理文件？

Answer 1

tFileInputRegex组件用于定义文本文档的结构，因此您可以从文档中提取列，这样就无法使用。

我在这里看到了几个选项：

如果标头占用预定义的设定行数，则可以使用tFileInputFullRow组件并将标头设置为标头的行数。然后，您可以将其输出为XML文件，并使用tFileInputXML将其读回。

如果您的标题没有设置行数但可以通过正则表达式模式提取，那么您可以再次将文件输入到tFileInputFullRow并将行分隔符设置为""以读取整个事情在一条线上。从这里你可以使用类似^\\*\\*<!DOCTYPE log.+?]>\\*\\*(.+)$之类的东西来提取tExtractRegexField来提取除标题之外的所有内容。请注意，这实际上并不起作用，因为它需要单线模式才能激活（你会在.赢得匹配的地方有一堆换行符）而且我没有看到在组件中设置正则表达式模式的方法。作为前驱，您可以尝试删除字符串中的所有新行字符。