从字段中提取数据

本页介绍了在 Cloud Data Fusion Studio 的 Wrangler 工作区中准备数据时，如何从字段（单元格）中提取和转换数据。

如需对这些数据执行转换，您需要将其拆分为单独的列。在 Wrangler 中，您可以从列中提取数据并创建新的 列。您可以根据模式提取值， 分隔符或位置。

使用模式提取数据

您可以使用 以下格式：

• 信用卡
• 日期
• 日期时间
• 电子邮件
• HTML 锚点中的网址
• IPv4 地址
• ISBN 代码
• MAC 地址
• N 位数字
• SSN
• 开始和结束图案
• 时间

如需根据模式提取数据，请按以下步骤操作：

1. 转到 Cloud Data Fusion 中的 Wrangler 工作区。
2. 在数据标签页中，找到列名称，然后点击 arrow_drop_down 展开箭头。
3. 依次选择提取字段 > 使用模式，然后选择 选项（例如 网址）。
4. 可选：点击显示格式以查看 模式。
5. 点击提取。

Wrangler 会根据所选模式提取字段，并将 extract-regex-groups 指令添加到食谱中。运行数据流水线时 Cloud Data Fusion 会将转换应用于列中的所有行。

在以下示例中，一列包含一个数字，后跟一个电子邮件地址：

电子邮件
1 [e-mail]
2 [e-mail]

如需提取电子邮件地址，请选择电子邮件格式。点击 提取，Wrangler 将保留原始列并创建新列 仅包含电子邮件地址：

电子邮件	Emails_1
1 [e-mail]	[e-mail]
2 [e-mail]	[e-mail]

提取带分隔符的数据

您可以根据以下内容将数据提取到两列或更多列中 分隔符：

• 英文逗号
• Tab
• 竖线符
• 空格符
• 自定义分隔符

注意 ：如果您选择自定义分隔符选项，请使用 正则表达式。它支持标准的 Java 正则表达式结构。

如果值没有分隔符，系统不会向相应字段添加任何值 在新列中。

若要根据分隔符提取值，请执行以下操作：

1. 转到 Cloud Data Fusion 中的 Wrangler 工作区。
2. 在数据标签页上，转到列名称，然后点击 arrow_drop_down 展开箭头。
3. 依次选择提取字段 > 使用分隔符，然后选择 选项，例如 Comma。
4. 点击提取。

Wrangler 根据所选的分隔符提取字段，并将 split-to-columns 指令添加到配方中。运行数据流水线时 Cloud Data Fusion 会转换列中的所有值。

在以下示例中，一列包含多个名称（以英文逗号分隔）：

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

在此示例中，使用逗号分隔符模式将提取 原来的 Name 列变为三个新列：

ID	名称	Name_1	Name_2	Name_3
1	Lee、Lucian、Luka	Lee	卢西亚语	Luka
2	Mahan、Noam、Nur	马汉	Noam	Nur

按位置提取数据

您可以根据字符串在字符串中的位置提取字符串的一部分。

如需根据数据的位置提取数据，请执行以下操作：

1. 前往 Cloud Data Fusion 中的 Wrangler 工作区。
2. 在数据标签页上，转到列名称，然后点击 arrow_drop_down 展开箭头。
3. 依次选择提取字段 > 使用位置。您可以提取的列值以蓝色背景显示。
4. 在列的任意单元格中，选择要提取的字符。
5. 在目标列的名称字段中，输入名称。
6. 点击应用。

值的选定部分将从列中的每一行中提取。

Wrangler 会根据所选模式提取字段，并将 cut-character 指令添加到食谱中。运行数据流水线时 Cloud Data Fusion 会将转换应用于列中的所有值。

后续步骤

• 详细了解 Wrangler 指令。