使用 talend DI 从 XML 文件中查找和替换字符串答案

【问题标题】：Find and replace string from XML file using talend DI使用 talend DI 从 XML 文件中查找和替换字符串
【发布时间】：2014-05-01 22:54:18
【问题描述】：

我的 XML 文件有一个 DOCTYPE 标签，它阻止我使用 tFileInputXML。因此我想在 Talend Job 中查找并替换以下字符串？使用 Talend 5.4 免费版。

**<!DOCTYPE log
[
    <!ENTITY % log SYSTEM "xxxx_1.0.dtd" >
    <!ENTITY % detail SYSTEM "yyyy_log_1.0.dtd" >
    %log;
    %detail;
]>**

如果我使用 tFileInputXML 读取此文件而不进行替换，我将无法解析 XML 中的内容。我在想我应该能够执行 tFileInputRegex 并查找和替换然后通过 tFileInputXML 处理文件？

【问题讨论】：

标签： xml talend

【解决方案1】：

tFileInputRegex 组件旨在定义文本文档的结构，以便您可以从文档中提取列，因此此处不会用到。

我在这里看到了几个可供您选择的选项：

如果您的标题占用了预定义的行数，您可以使用 tFileInputFullRow 组件并将标题设置为标题的行数。然后，您可以将其输出为 XML 文件并使用 tFileInputXML 将其读回。

如果您的标题不是固定数量的行但能够通过正则表达式模式提取，那么您可以再次将文件输入到 tFileInputFullRow 并将行分隔符设置为 "" 以读取整个内容作为单行。从这里您可以使用 tExtractRegexFields 使用 ^\\*\\*<!DOCTYPE log.+?]>\\*\\*(.+)$ 之类的东西来提取除标题以外的所有内容。请注意，这实际上并不完全有效，因为它需要单行模式才能处于活动状态（您将有一堆换行符，. 将不匹配）而且我没有看到方法在组件中设置正则表达式模式。作为前兆，您可以尝试删除字符串中的所有换行符。

【讨论】：