Pentaho的Filter rows步骤能否加载外部值列表实现行过滤？

问题（中文翻译） #

我需要依据CSV文件中存储的正确值列表DOM_LABEL（示例：DOM_LABEL = ['Microsoft', 'Apple', 'Lenovo']），对数据表的label列进行行过滤。当前部分行存在'Samsung'、'HP'等未知错误值，过滤掉label列不在DOM_LABEL中的行有助于问题分析。但Filter rows步骤不支持直接加载值列表，手动添加超100个值效率极低，请问是否有办法将该列表加载至Filter rows步骤？

方法1：通过内连接实现自动过滤 #

• 新增「文本文件输入」步骤，加载存储正确DOM_LABEL的CSV文件，仅读取其中的正确值列
• 将原数据表和这个正确值列表做内连接（Inner Join），连接条件设为「原表label列 = 正确值列表的label列」
• 内连接后只会保留两边匹配成功的行，相当于自动过滤掉不在正确列表中的数据，最后可删除连接带来的重复列

方法2：用查找步骤标记有效行再过滤 #

• 先加载正确值列表的CSV文件，添加「查找（Lookup）」步骤，以原表的label列为查找键，匹配正确值列表的label列
• 查找完成后会新增一列（比如命名为is_valid），匹配成功的行该列有值，未匹配的行该列为空
• 再用「过滤行（Filter Rows）」步骤，仅保留is_valid不为空的行

方法3：脚本步骤直接加载列表过滤（适合有代码基础的场景） #

如果工具支持脚本扩展（比如Python），可以直接在脚本里完成读取列表+过滤操作：

import csv

# 读取CSV中的正确值列表
dom_labels = []
with open('/your/path/to/dom_label.csv', 'r', encoding='utf-8') as f:
    reader = csv.reader(f)
    next(reader)  # 跳过表头行
    for row in reader:
        dom_labels.append(row[0])

# 过滤当前行：不在列表内就跳过
if row['label'] not in dom_labels:
    skipRow()

内容的提问来源于stack exchange，提问作者user22174321