水壶：ETL标准化拆分字符串字段

Question

我有数据库，它有一个实际带有两个属性（字符串用“;”分隔）。看看下面的例子：

示例

这是我的数据库A（来源），它有一个这样的表：

事实上，这似乎都没问题，但是当你假设author可以有一个或多个入口时。你会有这样的记录：

文件（ id 1，作者“John Matt; Mary Knight”，抽象“Lorem ipsum ......”，年 2015）

所以我打算在数据库B（目标）上做的是这样的：

表a_id中的Authors是引用表author_id上的Document的外键。

首先确保我将填写所有作者（对此没有任何问题）然后将组作者分配到相应的文档（这是问题），因为我可以有这种情况

作者（ id 1，名称“John Matt”）         （ id 2，名称“John Matt”）         （ id 2，名称“Mary Knight”）

请注意， id 2 将是参与上一个示例的插入。

问题：

如何使用水壶使用ETL过程完成此过程？ 这是一个很好的实践或字符串属性用“;”分隔它是否足够好？

Answer 1

如果我已正确理解您的问题，您的数据库中包含

等行

document (id 1, author "John Matt; Mary Knight", abstract "Lorem ipsum...", year 2015)

现在您需要提取由;分隔的多个作者。

PDI为您提供了一个名为将字段拆分为行的步骤。将分隔符用作;，您将获得数据的多个拆分副本。接下来，您可以使用作者表中的唯一ID。

或者，您也可以使用“修改的Java脚本”步骤拆分行。建议您使用第一步。

希望这会有所帮助：）