[Kettle] Excel输入

Excel文件采用表格的形式，数据显示直观，操作方便

Excel文件采用工作表存储数据，一个文件有多张不同名称的工作表，分别存放相同字段或不同字段的数据

数据源

物理成绩(Kettle数据集2).xls https://download.csdn.net/download/Hudas/88509178?spm=1001.2014.3001.5501

1. 建立【Excel输入】转换工程

使用Ctrl+N快捷键，创建【转换1】转换工程，单击【核心对象】选项卡，展开【输入】对象，选中【Excel输入】组件，并拖曳到右边工作区中，如下图所示

2. 设置【Excel输入】组件参数

双击【Excel输入】组件，弹出【Excel输入】对话框，其中显示默认的【文件】对话框，如下图所示

需要注意的是，【Excel输入】对话框下方的【预览记录】按钮是灰色的，表示不能单击该按钮

在【Excel输入】对话框中，包含组件的基础参数，以及【文件】【工作表】【内容】【错误处理】【字段】【其他输出字段】6个选项卡的参数

【文件】【工作表】【字段】选项卡的参数是必填项 (没有设置参数时，选项卡名称前面会显示"！"符号，表示是必填项，设置参数后"！"符号会消失)，并且必须按照【文件】【工作表】【字段】选项卡的顺序设置，其他为可选项

【文件】选项卡参数

在【文件】选项卡参数的说明如下表所示

参数名称	说明
表格类型（引擎）	表示Excel文件的表格类型，类型如下 Excel 97-2003 XLS：JXL软件后端提供向后兼容类型 Excel 2007 XLSX (Apache POI)：读取所有已知的Excel文件类型 Excel 2007 XLSX (Apache POI流)：读取大型Excel文件 Open Office ODS：使用ODFDOM引擎读取OpenOffice电子表格 默认为Excel 97-2003 XLS
文件或目录	表示要输入的Excel文件或所在的目录，可以单击【浏览】按钮获取Excel文件或目录。默认值为空
正则表达式	表示使用正则表达式，获取文件相应的Excel文件。使用正则表达式，可以动态匹配获取多个Excel文件。默认值为空
正则表达式（排除）	表示排除型的正则表达式，与正则表达式相反，使用排除型的正则表达式，排除掉匹配文件，而获取不匹配的Excel文件。默认值为空
password	表示读取Excel文件的密码。一些Excel文件有读取密码，因此要输入密码才能获取，默认值为空
文件和目录	表示选中的Excel文件或目录，单击【增加】按钮，读入经过浏览获取的文件和目录
通配符号	表示使用通配符号选中Excel文件或目录。配置符合通配符号规则的多个Excel文件
通配符号(排除)	表示使用排除性通配符号选中Excel文件或目录。配置符合通配符号（排除）规则外的其他多个Excel文件
要求	表示配置所需的源文件的位置
包括子目录	表示是否包括子目录的文件
选中的文件	表示选中的Excel文件列表。通过单击【增加】按钮将文件或目录添加到列表中，并进行参数设置，参数有：【文件/目录】【通配符号】【通配符号(排除)】【要求】【包括子目录】等参数，有关参数的说明如下表所示。至少要有一个选中的Excel文件，默认值为空
从前面的步骤获取文件名	表示是否从前面组件（步骤）读取文件名，如果选择是，则不用本组件获取Excel文件，而是从前面步骤的组件中读取文件、并保存文件的字段名。默认值为空

在【文件】选项卡中，设置参数，并导入“物理成绩.xls”文件，步骤如下所示

(1) 浏览导入Excel文件

单击【浏览(B)…】按钮，在计算机上浏览并导入“物理成绩.xls”文件，如下图所示

(2) 添加并编辑Excel文件

单击【增加】按钮，将【文件或目录】输入框中的"C:\Users\HP\Desktop\物理成绩.xls"文件，添加至【选中的文件】表中，如下图所示

如果选中的文件有问题，那么单击【删除】或【编辑】按钮，即可对选中的Excel文件进行编辑。其中，单击【选中的文件】表的行号，再单击【删除】按钮，即可删除选中所在行的文件 

(3) 查看被选中的文件名称

单击【显示文件名称…】按钮，弹出【文件读取】对话框，查看被选中读取的文件，如下图所示

重复步骤(1)~(3)，可以添加多个Excel文件，并查看读取的文件名称 

提示Tips

另外，如果需要导入同一个目录下的多份名称类似的文件，如导入同一个目录下名称分别为“物理成绩.xls”“物理成绩1.xls”和“物理成绩2.xls”的文件

我们可以使用通配符的方式导入，具体操作是在【选中的文件】参数表中，在【文件/目录】输入框中键入“C:\Users\HP\Desktop\”，在【通配符号】输入框中键入“物理成绩*.\.xls”，可以一次性读入这3个文件，如图所示

【工作表】选项卡参数 

单击【工作表】选项卡，如下图所示

在【要读取的工作表列表】表中设置工作表参数，获取导入的Excel文件的工作表，【工作表】选项卡参数的说明如下表所示

参数名称	说明
工作表名称	表示Excel文件的工作表名称。可以是一个Excel文件、多个工作表，也可以是多个Excel文件、多个工作表。不同的文件，工作表名称可以相同。默认值为空
起始行	表示要读取的工作表中的开始行，行号是从0开始。默认值为空
起始列	表示要读取的工作表中的开始列，列号是从0开始。默认值为空

在【工作表】选项卡中，设置导入的Excel文件的工作表参数，步骤如下所示

(1) 获取选中文件的工作表

单击【获取工作表名称…】按钮，弹出【输入列表】对话框，左边【可用项目】列表列出选中文件的所有工作表，如"物理成绩.xls"文件的"Sheet1"工作表，而右边【你的选择】列表列出被选中的工作表，如图所示

(2)选择工作表

在【输入列表】对话框中，单击中间的【>】【>>】【<】【<<】按钮，可以在左、右列表中，选中或移除工作表，有关按钮说明如下表所示

按钮	说明
>	表示右移按钮，选择左边【可用项目】列表中一个工作表，移到右边【你的选择】列表中
<	表示左移按钮，将右边【你的选择】列表中的一个工作表移回到左边【可用项目】列表中，与【>】按钮操作相反
>>	表示右移批处理按钮，将左边【可用项目】列表中的所有工作表，移到右边【你的选择】列表中
<<	表示左移批处理按钮，将右边【你的选择】列表中的所有工作表，移回到左边【可用项目】列表中，与【>>】按钮操作相反

在【输入列表】对话框中，将左边【可用项目】工作表"Sheet1"选中移到右边【你的选择】表中 

(3) 设置选中的工作表参数

单击【确定】按钮，将【你的选择】列表选中的“Sheet1”工作表添加至【要读取的工作表列表】表中进行参数设置，【起始行】和【起始列】参数都设置为"0"，此时完成【工作表】选项卡参数的设置，如下图所示

提示Tips

如果导入的Excel文件中的每个工作表的字段结构都相同，那么在【要读取的工作表列表】表中的第1行，不设置任何工作表名称(即【工作表名称】输入栏留空)，只需设置第1行的【起始行】和【起始列】输入栏参数，这样的设置是读取所有的工作表，即第1行将用于所有工作表

【字段】选项卡参数

单击【字段】选项卡，如下图所示

在【字段】选项卡中，设置"物理成绩.xls"文件中字段的参数，步骤如下所示

(1) 获取字段

单击【获取头部数据的字段…】按钮，添加字段到【字段】表中设置字段参数，如下图所示

(2) 设置字段参数

对字段参数进行设置，如下图所示，此时完成【字段】选项卡参数的设置

当获取字段后，【Excel输入】对话框下方【预览记录】按键的字体显示为黑色，说明此时可以预览数据

提示Tips

需要说明的是，如果有些Excel文件的文件头部没有字段数据，那么系统会自动生成默认的字段名称，也可以重新编辑字段名称，字段的类型、长度等字段属性

【内容】选项卡参数

单击【内容】选项卡，如下图所示

对读取Excel文件内容进行参数设置，一般按照缺省值配置，参数的说明如下表所示

参数名称	说明
头部	表示对选中的工作表是否包含表头行。默认值为√
非空记录	表示是否在输出中不出现空行(记录)。默认值为√
停在空记录	表示当读取记录遇到空行时，选择是否停止读取文件的当前工作表。默认值为空
限制	表示限制生成的记录数量。当设置为0时，结果不受限制。默认值为0
编码	表示读入的文本文件编码。第一次使用时，Kettle会在系统中搜索可用的编码。使用Unicode的，请指定UTF-8或UTF-16。默认值为Kettle系统的编码

【错误处理】选项卡参数 

单击【错误处理】选项卡，如下图所示，可对获取Excel文件时产生的错误处理参数进行设置，检查和定位错误位置，一般按照缺省值配置

【其他输出字段】选项卡参数

单击【其他输出字段】选项卡，如下图所示

对Excel文件的其他输出字段参数进行设置，用于指定处理文件的附加信息，默认值为空，一般按照缺省值配置，有关参数的说明如下表所示

字段参数	说明
文件名称字段	表示指定完整的文件名称和扩展名的字段。默认值为空
工作表名称字段	表示指定要使用的工作表名称的字段。默认值为空
表单的行号列	表示指定要使用的当前工作表行号字段。默认值为空
行号列	表示指定写入行数的字段。默认值为空
文件名字段	表示指定文件名但没有路径信息、但有扩展名的字段。默认值为空
扩展字段	表示指定文件名扩展名的字段。默认值为空
路径字段	表示指定以操作系统格式包含路径的字段。默认值为空
文件大小字段	表示指定文件数据大小的字段。默认值为空
是否为文件隐藏字段	表示文件是否为隐藏的字段（布尔值）。默认值为空
Uri字段	表示指定包含Uri的字段。默认值为空
Root Uri字段	表示指定仅包含uri的根部分的字段。默认值为空

3. 预览结果数据

设置好字段参数后，单击【预览记录】按钮，弹出【预览数据数量】对话框，要预览的行数采用默认值，并单击【确定】按钮

弹出【预览数据】对话框，展示Excel输入的数据，如下图所示