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。

如需对此类数据执行转换，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，并为提取的数据创建新列。您可以根据模式、分隔符或位置提取值。

使用模式提取数据

您可以使用以下模式从字符串数据类型的列中的字段中提取数据：

• 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
• 包含 N 位数字的号码
• SSN
• 开始和结束模式
• 时间

如需根据模式提取数据，请按以下步骤操作：

1. 前往 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，然后选择一个选项，例如网址。
4. 可选：点击显示模式可查看模式的正则表达式。
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。当您运行数据流水线时，Cloud Data Fusion 会将转换应用于该列中的所有行。

在以下示例中，某个列包含一个数字，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 Email 模式。点击提取后，Wrangler 会保留原始列，并创建一个仅包含电子邮件地址的新列：

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

您可以根据以下分隔符将数据提取到两列或更多列中：

• 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，请使用正则表达式定义分隔符。它支持标准的 Java 正则表达式结构。

如果值不含分隔符，则系统不会向新列中的相应字段添加任何值。

如需根据分隔符提取值，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 > 使用分隔符，然后选择一个选项，例如英文逗号。
4. 点击提取。

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

在以下示例中，某个列包含多个以英文逗号分隔的名称：

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

在此示例中，使用英文逗号分隔符模式会将原始 Name 列中的值提取到三个新列中：

ID	名称	Name_1	Name_2	Name_3
1	Lee,Lucian,Luka	Lee	Lucian	Luka
2	Mahan、Noam、Nur	Mahan	Noam	Nur

按位置提取数据

您可以根据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 > 使用位置。您可以提取的列值的背景为蓝色。
4. 在该列的任意单元格中，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。

系统会从该列中的每一行中提取所选部分的值。

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

后续步骤

• 详细了解 Wrangler 指令。