ExtractText
描述
该处理器使用正则表达式，匹配流文件中的内容，并将匹配成功的内容输出到属性中；如果正则匹配到多个结果，默认只取第一个结果；匹配成功则流文件路由matched，没有匹配则到unmatched；
属性配置
在下面的列表中，必需属性的名称以粗体显示。任何其他属性(不是粗体)都被认为是可选的，并且指出属性默认值（如果有默认值），以及属性是否支持表达式语言。
属性名称 | 默认值 | 可选值 | 描述 |
|---|---|---|---|
Character Set | UTF-8 | 字符集 | |
Maximum Buffer Size | 指定(每个文件)要缓冲的最大数据量，应用于正则表达式。大于指定最大值的文件部分将不会被计算匹配。 | ||
Maximum Capture Group Length | 1024 | 指定给定匹配值可以拥有的最大字符数。超过最大值的字符将被截断。 | |
Enable Canonical Equivalence | false | truefalse | 当且仅当两个字符的"正规分解(canonical decomposition)"都完全相同的情况下，才认定匹配。比如用了这个标志之后，表达式"a/u030A"会匹配"?"。默认情况下，不考虑"规范相等性(canonical equivalence)"。 |
Enable Case-insensitive Matching | false | truefalse | 是否忽略大小写；也可以使用 (?i)标志默认情况下，大小写不敏感的匹配只适用于US-ASCII字符集。这个标志(?i)能让表达式忽略大小写进行匹配。要想对Unicode字符进行大小不敏感的匹配，只要将UNICODE_CASE与这个标志(?i)合起来就行了。 |
Permit Whitespace and Comments in Pattern | false | truefalse | 在这种模式下，空格将被忽略，以#开头的嵌入注释将被忽略，直到行尾。也可以通过嵌入的标志(?x)指定。 |
Enable DOTALL Mode | false | truefalse | 在这种模式下，表达式'.'可以匹配任意字符，包括表示一行的结束符。默认情况下，表达式'.'不匹配行的结束符。也可以通过嵌入的标志(?s)指定。 |
Enable Literal Parsing of the Pattern | false | truefalse | 表示不应赋予元字符和转义字符特殊含义。 |
Enable Multiline Mode | false | truefalse | 指示'^'和'$'应在行结束符或序列结束符之后和之前匹配，而不是只匹配整个输入的开始或结束符。也可以通过嵌入的标志(?m)指定。 |
Enable Unicode-aware Case Folding | false | truefalse | 当与“启用不区分大小写的匹配”一起使用时，以与Unicode标准一致的方式匹配。也可以通过嵌入的标志(?u)指定。 |
Enable Unicode Predefined Character Classes | false | truefalse | 指定与Unicode技术标准#18:Unicode正则表达式附件C:兼容性属性的一致性。也可以通过嵌入的标志(?U)指定。 |
Enable Unix Lines Mode | false | truefalse | 只有'/n'才被认作一行的中止，并且与'.'，'^'，以及'$'进行匹配。也可以通过嵌入的标志(?d)指定。 |
Include Capture Group 0 | true | truefalse | 指示捕获组0应包含为属性。Capture Group 0表示正则表达式匹配的全部，通常不使用，可能有相当长的长度。 |
Enable repeating capture group | false | truefalse | 如果设置为true，将提取与捕获组匹配的每个字符串。否则，如果正则表达式匹配不止一次，则只提取第一个匹配。 |
- true
- false
当且仅当两个字符的"正规分解(canonical decomposition)"都完全相同的情况下，才认定匹配。比如用了这个标志之后，表达式"a/u030A"会匹配"?"。默认情况下，不考虑"规范相等性(canonical equivalence)"。Enable Case-insensitive Matchingfalse
- true
- false
是否忽略大小写；也可以使用 (?i)标志 默认情况下，大小写不敏感的匹配只适用于US-ASCII字符集。这个标志(?i)能让表达式忽略大小写进行匹配。要想对Unicode字符进行大小不敏感的匹配，只要将UNICODE_CASE与这个标志(?i)合起来就行了。Permit Whitespace and Comments in Patternfalse
- true
- false
在这种模式下，空格将被忽略，以#开头的嵌入注释将被忽略，直到行尾。也可以通过嵌入的标志(?x)指定。Enable DOTALL Modefalse
- true
- false
在这种模式下，表达式'.'可以匹配任意字符，包括表示一行的结束符。默认情况下，表达式'.'不匹配行的结束符。也可以通过嵌入的标志(?s)指定。Enable Literal Parsing of the Patternfalse
- true
- false
表示不应赋予元字符和转义字符特殊含义。Enable Multiline Modefalse
- true
- false
指示'^'和'$'应在行结束符或序列结束符之后和之前匹配，而不是只匹配整个输入的开始或结束符。也可以通过嵌入的标志(?m)指定。Enable Unicode-aware Case Foldingfalse
- true
- false
当与“启用不区分大小写的匹配”一起使用时，以与Unicode标准一致的方式匹配。也可以通过嵌入的标志(?u)指定。Enable Unicode Predefined Character Classesfalse
- true
- false
指定与Unicode技术标准#18:Unicode正则表达式附件C:兼容性属性的一致性。也可以通过嵌入的标志(?U)指定。Enable Unix Lines Modefalse
- true
- false
只有'/n'才被认作一行的中止，并且与'.'，'^'，以及'$'进行匹配。也可以通过嵌入的标志(?d)指定。Include Capture Group 0true
- true
- false
指示捕获组0应包含为属性。Capture Group 0表示正则表达式匹配的全部，通常不使用，可能有相当长的长度。Enable repeating capture groupfalse
- true
- false
如果设置为true，将提取与捕获组匹配的每个字符串。否则，如果正则表达式匹配不止一次，则只提取第一个匹配。
动态属性：
该处理器允许用户指定属性的名称和值。
属性名称 | 属性值 | 描述 |
|---|---|---|
用户自由定义的属性名称 | 具有一个或多个捕获组的正则表达式 | 在该处理器生成的文件流上添加用户自定义的属性。如果使用表达式语言，则每批生成的流文件只执行一次计算 .支持表达式语言:true(只使用变量注册表进行计算) |
连接关系
名称 | 描述 |
|---|---|
unmatched | 当没有提供与流文件内容匹配的正则表达式时，流文件将被路由到此关系 |
matched | 当正则表达式被成功求值并因此修改了流文件时，流文件被路由到这个关系 |
读取属性
没有指定。
写属性
没有指定。
状态管理
此组件不存储状态。
限制
此组件不受限制。
输入要求
此组件需要传入关系。
系统资源方面的考虑
没有指定。
应用场景
与EvaluateJsonPath有作用相似，提取content中的内容，输出到流属性当中 ；
该处理器涉及到专业的java 正则表达式知识，如果需求复杂，需要额外学习java正则相关知识 。
示例说明
1：将流内容（文本）输出到流属性当中
GenerateFlow 中手动设置一些text
最后ExactText 其他属性默认，添加一个tablename属性：
最后结果在attribute加上了我们想要的值
文章有帮助的话，小手一抖点击在看，并转发吧。谢谢支持哟 (*^__^*)
腾讯云开发者
