如何在Pentaho PDI中从多个.tgz文件提取XML文件

嘿，我碰到过类似的问题！你用的应该是Microsoft Log Parser吧？它的tgz:前缀确实不直接支持通配符批量匹配文件，因为这类语法通常只接受单个文件路径，不会自动解析通配符。下面给你两种可行的解决方案：

方案1：用命令行循环逐个处理（适合Windows环境） #

Windows CMD 命令 #

如果你习惯用CMD，可以用for循环遍历所有匹配的.tgz文件，逐个传入Log Parser命令：

for %%f in (C:\tmp\file_*.tgz) do logparser "SELECT * FROM folder/file | regex tgz:%%f! | .*\.xml" -i:TEXT -o:XML

这里的%%f会依次替换成每个匹配的.tgz文件路径，让Log Parser逐个处理。

PowerShell 脚本 #

如果用PowerShell，灵活性更高，写法也更清晰：

Get-ChildItem C:\tmp\file_*.tgz | ForEach-Object {
    # 把每个.tgz文件的完整路径传入Log Parser命令
    logparser "SELECT * FROM folder/file | regex tgz:$($_.FullName)! | .*\.xml" -i:TEXT -o:XML
}

方案2：先批量提取XML到本地目录（跨平台通用） #

如果你的环境支持tar命令（比如Windows的Git Bash、WSL，或者Linux/macOS），可以先把所有.tgz里的XML文件批量提取到一个临时目录，再统一处理：

# 创建临时目录存放提取的XML
mkdir -p C:\tmp\extracted_xmls
# 遍历所有.tgz文件，提取其中的XML
for file in C:\tmp\file_*.tgz; do
    tar -xf "$file" --wildcards "*.xml" -C C:\tmp\extracted_xmls
done

这个方法的好处是先把所有XML文件都拿到本地，后续不管是用Log Parser还是其他工具处理都更方便。

为什么原来的写法不行？ #

大部分支持tgz:这类输入前缀的工具，都不会自己解析路径里的通配符（*）——通配符的解析通常是由命令行shell（比如CMD、PowerShell、Bash）来完成的，但tgz:C:\tmp\file_*.tgz!这种写法里，通配符被包含在工具的特殊语法里，shell不会去解析它，工具本身又不支持，所以就失效了。

内容的提问来源于stack exchange，提问作者faradole