Question

验证连续字段的最佳方法是什么，如果无效，请将其更正为正确的格式？

最简单的例子是检查电话号码字段（可以采用变体格式 - > 111-111-1111，（111）111-1111等），我们理想情况下要验证这些并标准化为一种形式（让我们说：1111111111）。一种方法是使用过滤器行，然后使用正则表达式，或者我们可以使用数据验证器。但这只会告诉我们哪些数据无效但实际上并没有为我们格式化。然后我们可以使用Javascript修改的值步骤来编写一个js脚本来执行此操作。但我猜测有一种更好的方法（或者我没有遇到的内置集成）可以进行这些基本验证。或者是否建议只在单独的csv文件中转储包含无效字段的行，然后使用脚本单独解析它？

Answer 1

克＆＃39;天

我使用优秀的＆＃39;替换字符串＆＃39;处理这种情况的步骤

你可以在单步中累积应用从字符串中删除坏char的规则 - 它非常容易用于你所描述的单字符修复，最重要的是，它还允许你基于正则表达式进行搜索同样 - 只需一步即可记录您的标准化并产生干净的输出

在你的情况下，我会创建两个规则＆＃39;用任何东西替换(和) - 然而，-有点棘手;每次删除单个字符时都需要一个规则，因此您需要知道单个数据字段中-的最大数量，然后将这么多行添加到字符串＆＃39;中。步骤

如果这是不合适的，请考虑用户定义的java表达式＆＃39;并致电replace，例如：( (t0 != null) ? t0.replace("-","") : t0 )

正如我所述，每个人都在修复＆＃39;按顺序应用 - In stream field是输入字段名称，而Outstream field留空指示d.i.修改字段本身 - 这是一个更复杂的例子，我搜索正则表达式并将其替换为空，对于我逃避"双引号的情况进行转义：

In stream field Out stream field    use RegEx   Search                                          Replace with
sc_srcuri                           N           {Internal.Transformation.Filename.Directory}                
re_s_sciname                        Y           ["]                                             \\"
re_s_sciname                        Y           .[\x08]                                                     
re_s_sciname                        Y           .[\x08]                                                     
re_s_sciname                        Y           .[\x08]                                                     
re_s_sciname                        Y           [*]                                                         
re_s_sciname                        Y           \s*$                                                        
re_s_sciname                        Y           ^\s*

请注意我删除最多三个删除＆＃39;从这个特定字符串中控制代码[\x08]？

在Pentaho水壶中验证和解析复杂字段的最佳方法是什么？

1 个答案: