如何配置Apache NiFi的SplitText？拆分文件时如何保留首行？

1. 配置SplitText处理器拆分文件数据 #

• 把SplitText处理器拖到NiFi画布，连上提供文件数据的上游组件（比如GetFile）
• 双击打开处理器配置面板，关键参数设置：
  • Split Mode：选Line-based按行拆分，或者Text按自定义分隔符拆分
  • Line Split Count：按行拆分时，设置单次拆分的行数（比如设1就是每行生成一个单独的FlowFile）
  • Split Delimiter：选Text模式时，输入分隔符（比如\n代表换行，或者特定字符串）
  • Max Split Size：可选，设置单个输出FlowFile的最大容量，避免生成过大文件
• 配置完启动处理器，上游数据就会按规则拆分输出

2. 拆分时在每个输出文件保留首行 #

如果要让每个拆分出的文件都带上首行（比如标题、ID行），结合你给出的示例场景，操作如下：

• 配置SplitText处理器时，把Header Line Count设为1，处理器会自动将首行识别为标题行，每个拆分后的FlowFile都会包含这个标题行+对应的内容行
• 以你的示例输入为例：

  输入内容：1\nбережливое производство\nканбан\nсокращение потерь
  配置Header Line Count=1、Line Split Count=1后，SplitText输出的每个FlowFile内容为：

  1
  бережливое производство
  

  1
  канбан
  

  1
  сокращение потерь
  

• 要转成期望的JSON格式，再加一个ReplaceText处理器：
  • 设置Search Value为^(.*)\n(.*)$
  • 设置Replacement Value为{"id": $1, "value": "$2"}
  • 处理后就能得到：{"id": 1, "value": "бережливое производство"}这类结果

内容的提问来源于stack exchange，提问作者Nikolay Smelov