從欄位中擷取資料

本頁面說明如何在 Cloud Data Fusion Studio 的 Wrangler 工作區中準備資料時，從欄位 (單元格) 擷取及轉換資料。

如要對這類資料執行轉換，您必須將資料分割為不同的欄。在 Wrangler 中，您可以從資料欄擷取資料，並為擷取的資料建立新欄。您可以依據模式、分隔符或位置擷取值。

使用模式擷取資料

您可以使用下列模式，從字串資料類型的資料欄中擷取資料：

• 信用卡
• 日期
• 日期時間
• 電子郵件
• HTML 錨點的網址
• IPv4 位址
• ISBN 代碼
• MAC 位址
• N 位數數字
• SSN
• 開始和結束模式
• 時間

如要根據模式擷取資料，請按照下列步驟操作：

1. 前往 Cloud Data Fusion 中的 Wrangler 工作區。
2. 在「資料」分頁中，前往所需欄名，然後按一下展開箭頭 arrow_drop_down。
3. 依序選取「擷取欄位」>「使用模式」，然後選取所需選項，例如「網址」。
4. 選用：按一下「顯示模式」，即可查看模式的規則運算式。
5. 按一下「解壓縮」。

Wrangler 會根據所選模式擷取欄位，並將 extract-regex-groups 指令新增至食譜。執行資料管道時，Cloud Data Fusion 會將轉換套用至資料欄中的所有資料列。

在以下範例中，資料欄包含一個數字，後面接著是電子郵件地址：

電子郵件
1 [e-mail]
2 [e-mail]

如要擷取電子郵件地址，請選取「電子郵件」模式。點選「Extract」後，Wrangler 會保留原始資料欄，並建立只包含電子郵件地址的新資料欄：

電子郵件	Emails_1
1 [e-mail]	[e-mail]
2 [e-mail]	[e-mail]

使用分隔符號擷取資料

您可以根據下列分隔符，將資料擷取至兩個或更多資料欄：

• 半形逗號
• Tab 鍵
• 管線符號
• 空白字元
• 自訂分隔符

注意： 如果您選取「自訂分隔符號」選項，請使用規則運算式定義分隔符號。支援標準 Java 規則運算式結構。

如果值沒有分隔符號，系統就不會在新資料欄的對應欄位中新增值。

如何根據分隔符號擷取值：

1. 前往 Cloud Data Fusion 中的 Wrangler 工作區。
2. 在「資料」分頁中，前往所需欄名，然後按一下展開箭頭 arrow_drop_down。
3. 依序選取「擷取欄位」>「使用分隔符」，然後選取所需選項，例如「逗號」。
4. 按一下「解壓縮」。

Wrangler 會根據所選分隔符號擷取欄位，並將 split-to-columns 指令加入至食譜中。執行資料管道時，Cloud Data Fusion 會轉換資料欄中的所有值。

在以下範例中，資料欄包含多個名稱，並以半形逗號分隔：

ID	名稱
1	Lee、Lucian、Luka
2	Mahan、Noam、Nur

在本範例中，使用半形逗號分隔符模式可將原始 Name 資料欄中的值擷取到三個新資料欄：

ID	名稱	Name_1	Name_2	Name_3
1	Lee、Lucian、Luka	Lee	Lucian	Luka
2	Mahan、Noam、Nur	馬哈恩	Noam	Nur

依位置擷取資料

您可以根據字串在字串中的位置，擷取部分字串。

如要根據位置擷取資料，請按照下列步驟操作：

1. 前往 Cloud Data Fusion 中的 Wrangler 工作區。
2. 在「資料」分頁中，前往所需欄名，然後按一下展開箭頭 arrow_drop_down。
3. 依序選取「擷取欄位」>「使用位置」。可擷取的資料欄值會以藍色背景顯示。
4. 在資料欄的任何儲存格中，選取要擷取的字元。
5. 在「目的地欄名稱」欄位中輸入名稱。
6. 按一下 [套用]。

系統會從資料欄的每個資料列中擷取所選值的部分。

Wrangler 會根據所選模式擷取欄位，並將 cut-character 指令新增至食譜。執行資料管道時，Cloud Data Fusion 會將轉換套用至資料欄中的所有值。

後續步驟

• 進一步瞭解 Wrangler 指令。