Apache NiFi读取制表符分隔CSV及属性值前两列的配置方法

以下是两种实用的实现方法：

方法一：使用ExtractText处理器 #

1. 将ExtractText处理器添加到画布，连接上游生成/获取CSV流文件的组件。
2. 进入处理器配置的Properties标签页：
   • 设置Regular Expression为^([^\t]+)\t([^\t]+).*，用于匹配每行开头的两个制表符分隔字段
   • 设置Capture Group 1为column1（自定义属性名，存储第一列内容）
   • 设置Capture Group 2为column2（存储第二列内容）
   • 若需要逐行处理，将Line By Line属性设为true

方法二：使用ConvertRecord处理器（适合结构化批量处理） #

1. 添加ConvertRecord处理器，同时创建两个控制器服务：CSVReader和RecordSetWriter（例如JsonRecordSetWriter）。
2. 配置CSVReader控制器服务：
   • 设置Field Delimiter为\t（表示制表符）
   • 若CSV无表头，将Header Line Count设为0，并自定义字段名（如field1,field2）
3. 配置ConvertRecord处理器：
   • 在Properties中，将Record Reader指定为已配置的CSVReader
   • 将Record Writer指定为JsonRecordSetWriter（或其他适用格式）
4. 处理完成后，流文件内容会转为结构化格式，后续可通过EvaluateJsonPath等处理器提取field1和field2的值

已知流文件属性attribute1的值为制表符分隔格式（示例：Hi Hello there），配置步骤如下：

1. 添加UpdateAttribute处理器，连接上游组件。
2. 进入处理器配置的Properties标签页，新增三个属性：
   • updateAttribute1：值填写${attribute1:getDelimitedField(1, '\t')}，获取第1个分隔部分
   • updateAttribute2：值填写${attribute1:getDelimitedField(2, '\t')}，获取第2个分隔部分
   • updateAttribute3：值填写${attribute1:getDelimitedField(3, '\t')}，获取第3个分隔部分
3. 保存配置并启动处理器，流文件会自动新增这三个属性，对应拆分后的各部分内容

注意：getDelimitedField函数的索引从1开始，制表符分隔符需用'\t'表示以确保转义正确

内容的提问来源于stack exchange，提问作者Amarnatha Reddy