Scénario : Normaliser des données - 6.1

Composants Talend Open Studio Guide de référence

EnrichVersion
6.1
EnrichProdName
Talend Open Studio for Big Data
Talend Open Studio for Data Integration
Talend Open Studio for Data Quality
Talend Open Studio for ESB
Talend Open Studio for MDM
task
Création et développement
Gouvernance de données
Qualité et préparation de données
EnrichPlatform
Studio Talend

Ce scénario illustre un Job qui normalise une liste de mots-clés des sujets d'un forum puis affiche les résultats dans un table dans la console de la vue Run.

Cette liste n'est pas vraiment organisée et contient des espaces vides en début en fin de champs, ainsi que des mots-clés répétés.

ldap,
  db2, jdbc driver,
grid computing,  talend architecture  ,
content, environment,,
tmap,,
eclipse,
database,java,postgresql,
tmap,
database,java,sybase,
deployment,,
repository,
database,informix,java

Construire le Job

  1. Cliquez et déposez les composants suivants dans l'espace de modélisation : tFileInputDelimited, tNormalize, tLogRow.

  2. Reliez les composants à l'aide de liens Row > Main.

Configurer les composants

  1. Double-cliquez sur le composant tFileInputDelimited, pour ouvrir sa vue Basic settings.

  2. Dans le champ File name, spécifiez le chemin d'accès au fichier d'entrée à normaliser.

  3. Cliquez sur le bouton [...] à côté du champ Edit schema afin d'ouvrir la boîte de dialogue [Schema] et configurez le schéma d'entrée en ajoutant une colonne nommée Tags. Cela fait, cliquez sur OK pour valider votre schéma et fermer la boîte de dialogue. Laissez les autres paramètres tels qu'ils sont.

  4. Double-cliquez sur le composant tNormalize pour ouvrir sa vue Basic settings.

  5. Vérifiez le schéma et, si nécessaire, cliquez sur le bouton Sync columns afin de synchroniser le schéma et le schéma du composant d'entrée.

  6. Définissez la colonne sur laquelle est basée la normalisation.

    Dans ce scénario, le schéma d'entrée possède une seule colonne, Tags. Acceptez donc les paramètres par défaut.

  7. Dans la vue Advanced settings, cochez les cases Get rid of duplicate rows from output, Discard the trailing empty strings et Trim resulting values.

  8. Dans les propriétés du composant tLogRow, sélectionnez le mode Table (print values in the cells of table).

Sauvegarder et exécuter le Job

  1. Appuyez sur les touches Ctrl+S afin de sauvegarder votre Job.

  2. Cliquez sur le bouton Run, dans la vue Run ou appuyez sur F6 pour exécuter votre Job.

La liste est nettoyée, les doublons, et les espaces vides sont supprimés. Le résultat est affiché dans un tableau dans la console.