Kettle6列拆分爲多行步驟詳解

1.        前言

本文將對Kettle6中常用步驟列拆分爲多行（英文原名：Split Field to Rows）。也就是說，將輸入數據行集中的某個列按照條件拆分爲多行。這種條件可以是簡單的一個分隔符，也可以指定正則表達式。

 

2.        說明

步驟的屬性對話框如下圖所示：

下面通過一個表格逐項解釋每一個對話框中字段的含義。

序號	名稱	含義
1	字段名稱	標識本步驟的名稱。
2	要拆分的字段	從輸入數據行集中，挑選需要拆分的字段。
3	分隔符	拆分字段時，使用的分隔符。簡單情況下，分隔符劃分的每一個字符串片段，都將成爲一個新行。 如果4選中，那麼這裏的分隔符實質是一個正則表達式。
4	分隔符是一個正則表達式	控制3的真實含義。如果選中，3就是正則表達式。否則，不管3中的字符串是何內容，Kettle只是將其當成一個分割文本的字符串。
5	新字段名	分割列後形成的新字段名稱。輸出數據行集將包含這個新的列，列的值爲分割後形成的字符串片段。
6	輸出中包含行號	輸出數據行集中，是否需要包含行號字段。如果需要，那麼應輸入這個行號字段的名稱。
7	對接收到的每一行重置行號	輸出數據行集中的行號，類似於一個序列，從1開始，每行增加1。如果選中7，那麼每一個輸入行集中的每一行，將獨享一個從1開始的序列；否則，所有輸入行集中的行共享一個序列。 舉例來說，假設輸入數據行集中有2行，第一行拆分爲3行，第二行拆分爲2行。如果選中7，那麼產生的行號是1 2 3 1 2；如果未選中7，那麼產生的行號是1 2 3 4 5。

 

3.        實戰

假設從輸入數據行集中拿到如下數據：

需要把其中所有市、區、縣的名稱得到，依次按行處理。

可以看出，來源數據實際上只有一行，但是想得到的結果是多行，這就需要用到列拆分爲多行步驟。步驟的具體設置可以參照文章開始的第一個圖，通過上述步驟，這一行被拆分爲以下行：

注意上圖，其中第一行爲空。其實這應屬Kettle6的一個bug。如果分割列的正則表達式正好滿足來源行的頭部，那麼分割結果中將產生一個空行！

如果要解決這個bug，可以往下閱讀附錄部分。

 

4.        附錄

解決第3部分實戰中第一個行數據爲空的bug，可以在類：

org.pentaho.di.trans.steps.splitfieldtorows.SplitFieldToRows

的方法splitField中增加以下代碼（117行後）：

 

if(splitStrings.length>1&& StringUtil.isEmpty(splitStrings[0])){

           String[] handledStrings = new String[splitStrings.length-1];

System.arraycopy(splitStrings, 1, handledStrings, 0, handledStrings.length);

           splitStrings = handledStrings;

}

 

這樣可在輸出到目標數據行集前將第一個空行處理掉。