如何用Apache NiFi表达式语言从CSV提取正则匹配值并新增字段

针对你的需求，最直接的方案是正确配置UpdateRecord处理器的表达式语言，无需额外引入ExtractText，以下是具体步骤：

1. UpdateRecord核心配置 #

• 保持已配置的CSVReader和CSVRecordSetWriter不变，确保input_schema已正确包含description字段
• Update Strategy选择Update if Not Null（避免为无匹配值的记录生成空的latitude字段，若需要保留空字段可选Always Update）
• 在User-Defined Properties中新增字段映射：
  • 键：latitude
  • 值：${description:replaceRegex('.*?(\d+\.\d+).*', '$1'):default('')}

关键说明： #

• 正则.*?(\d+\.\d+).*采用非贪婪匹配（.*?）捕获第一个符合格式的小数数值，$1表示引用捕获到的数值内容
• 后缀:default('')用于处理无匹配值的情况，可根据需求替换为'N/A'或'null'
• 如果需要同时匹配整数（如12345），可将正则调整为.*?(\d+(\.\d+)?).*

2. 排查之前replaceRegex失效的原因 #

你之前用replaceRegex未得到预期结果，大概率是正则写法问题：

• 若直接写${description:replaceRegex('\d+\.\d+', '$0')}，只会替换匹配到的数值部分，而非提取出数值作为新字段的值
• 必须通过.*?和.*包裹捕获组，将整个description字段内容替换为捕获到的目标数值

3. 备选方案：JoltTransformRecord #

如果需要更复杂的字段转换逻辑，可改用JoltTransformRecord处理器，Jolt规范示例如下：

[
  {
    "operation": "modify-overwrite-beta",
    "spec": {
      "latitude": "${description:replaceRegex('.*?(\\d+\\.\\d+).*', '$1'):default('')}"
    }
  }
]

该方案原理与UpdateRecord一致，适合多字段联动转换的场景。

内容的提问来源于stack exchange，提问作者Jelly