AbInitio如何读取字段含分隔符且被双引号包裹的分隔文件

你当前使用的DML未指定字段的引号包裹规则，解析器会把所有|都识别为字段分隔符，不会区分是在双引号内部还是外部，所以字段内的|会触发错误拆分。

分两种适配场景：

方案1：字段级指定引号规则（无需修改组件配置） #

直接修改DML，给每个字段指定quoted by '"'属性，让解析器自动忽略双引号内部的分隔符，同时自动剥离字段外层的双引号：

record
  string delimited by "|" quoted by '"' trim both nullable col1,
  string delimited by "|" quoted by '"' trim both nullable col2,
  string delimited by "|" quoted by '"' trim both nullable col3,
  string delimited by "\n" quoted by '"' trim both nullable col4
end

说明：

• 最后一个字段的分隔符指定为\n（换行符），匹配行尾结束逻辑
• trim both参数可以自动处理示例中|前后的多余空格，不需要额外做字段清洗
• nullable参数会把最后一个字段的空双引号自动识别为null值，符合预期要求

方案2：全局配置引号规则（DML更简洁） #

如果你使用的是Ab Initio等支持全局格式配置的ETL工具，可以在读取组件的格式配置项中，全局指定「Quote Character」为双引号"，此时原来的DML只需要调整最后一个字段的分隔符即可正常运行：

record
  string("|") col1,
  string("|") col2,
  string("|") col3,
  string("\n") col4
end

这个方案不需要修改每个字段的定义，适合字段数量多的场景。

用你提供的示例数据测试上述配置，最终解析结果和预期完全一致：

• col1：units of the price | currency used
• col2：ABC
• col3：20210831
• col4：null

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