如何使用Pentaho基于参考CSV替换目标CSV中的城市简称？
2026-5-26
嘿，这个需求在Pentaho Data Integration（也就是咱们常说的Spoon）里用几个核心组件就能轻松实现，我给你一步步拆解操作流程，保证你能快速上手：
步骤1：新建转换
打开Pentaho Spoon，点击左上角的「文件」→「新建」→「转换」，创建一个空白的转换工程。
步骤2：加载两个CSV数据源
从左侧的「输入」分类里，拖两个CSV文件输入组件到画布上，分别对应你的两个CSV文件：
- 第一个组件：选择你那10条记录的主数据CSV，配置好文件路径、分隔符（一般是逗号），记得勾选「第一行是字段名」，确保
city字段被正确识别。 - 第二个组件：选择包含映射关系的CSV，同样配置文件路径、分隔符，确认
cityshortname和city两个字段被加载。
步骤3：通过Merge Join实现城市简称映射
从左侧「连接」分类里拖一个Merge Join组件到画布，然后把两个CSV输入组件的输出箭头都连到这个Merge Join上：
- 双击打开Merge Join配置窗口：
- 选择连接类型：如果你的主数据里所有城市简称都能在映射表里找到，用内连接就够；如果有部分简称不在映射表里，想保留这些记录的话，选左外连接。
- 设置关联字段：在「主步骤」里选主数据的
city字段，「查找步骤」里选映射表的cityshortname字段，让它们做匹配。 - 配置输出字段：勾选你需要保留的主数据所有字段，再勾选映射表的
city字段（建议重命名为full_city_name，避免和主数据原来的city字段重名）。
步骤4：配置输出并验证结果
从左侧「输出」分类拖一个CSV文件输出组件到画布，把Merge Join的输出箭头连到这个组件上：
- 配置输出文件的路径和文件名，勾选「第一行是字段名」。
- 在字段列表里选择你最终需要的字段（比如去掉原来的
city简称字段，只保留全称字段，或者两者都保留）。
配置完成后，点击画布上方的运行按钮，等待转换执行完成。打开输出的CSV文件，检查城市简称是否已经替换成对应的全称。
可选方案：用Lookup in stream组件实现映射
如果你的映射表数据量比较小，也可以用Lookup in stream组件来实现：
- 把映射表CSV的输出连到Lookup in stream的「查找步骤」，主数据CSV的输出连到「主步骤」。
- 配置查找字段：主数据的
city对应映射表的cityshortname，然后选择要返回的city全称字段。 - 后续同样用CSV文件输出组件导出结果。
一些注意事项
- 确保两个文件里的城市简称完全匹配：大小写、空格、特殊字符都要一致，不然会出现匹配失败的情况。
- 如果用左外连接后出现空值的全称字段，可以再加一个Replace in string组件，把空值替换成原简称或者自定义的提示文本（比如「未找到对应城市」）。
- 配置CSV输入时，如果字段里包含特殊字符或者分隔符，记得勾选「引用字段」选项，避免解析错误。
内容的提问来源于stack exchange，提问作者Abhishek
