Informatica Cloud平台：如何从平面文件提取JSON数据并生成JSON文件？

问题核心 #

你的TXT文件里Field1字段是带双引号转义的非标准JSON内容（以""替代"），且与Field2通过空白分隔。直接用Hierarchy Parser失效，是因为工具无法识别转义后的非标准JSON格式，得先处理格式问题再提取。

可行工具与操作步骤 #

1. Python脚本（灵活可控） #

无需依赖特定ETL组件，直接编写脚本处理：

• 读取TXT文件并跳过表头行
• 按空白分割每行内容，提取第一部分（Field1的内容）
• 将转义双引号""替换为正常双引号"，还原成标准JSON
• 把处理后的内容写入JSON文件

示例代码：

# 读取输入文件
with open('input.txt', 'r', encoding='utf-8') as f:
    lines = f.readlines()

# 处理数据行（跳过表头）
for line in lines[1:]:
    # 分割字段，取Field1内容
    field1_content = line.split(maxsplit=1)[0]
    # 修复JSON格式
    valid_json = field1_content.replace('""', '"')
    # 写入输出JSON文件
    with open('output.json', 'w', encoding='utf-8') as out_f:
        out_f.write(valid_json)

2. ETL工具（以Pentaho Kettle为例） #

如果习惯可视化ETL流程，调整步骤如下：

• 文本文件输入：读取TXT文件，设置分隔符为「多个空白字符」，将内容拆分为Field1和Field2两个字段
• 字符串替换组件：对Field1字段执行替换，把""替换为"
• JSON输出组件：将修复后的Field1字段直接写入JSON文件
• 注意：不要直接用Hierarchy Parser，必须先修复JSON格式，工具才能识别结构

3. 命令行工具组合（适合批量快速处理） #

用awk和sed组合处理：

# 跳过表头，提取Field1，修复格式后写入JSON文件
awk 'NR>1 {print $1}' input.txt | sed 's/""/"/g' > output.json

Hierarchy Parser失效原因 #

Hierarchy Parser仅能解析标准格式的JSON/XML，而你的Field1是带转义的非标准字符串，必须先替换转义引号、转换成合法JSON后，工具才能识别并解析结构。

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