# TxtFile Reader
TxtFileReader 提供了读取本地文件系统数据存储的能力。
## 配置样例
=== "job/txtfile2stream.json"
`json --8<-- "jobs/txtreader.json" `
## 参数说明
### path
本地文件系统的路径信息,注意这里可以支持填写多个路径。
当指定单个本地文件,TxtFileReader暂时只能使用单线程进行数据抽取。二期考虑在非压缩文件情况下针对单个File可以进行多线程并发读取
当指定多个本地文件,TxtFileReader支持使用多线程进行数据抽取。线程并发数通过通道数指定
当指定通配符,TxtFileReader尝试遍历出多个文件信息。例如: 指定 /*`代表读取 `/ 目录下所有的文件,指定 /bazhen/* 代表读取 bazhen 目录下游所有的文件。目前只支持 * 作为文件通配符。
特别需要注意的是,Addax会将一个作业下同步的所有Text File视作同一张数据表。用户必须自己保证所有的File能够适配同一套schema信息。读取文件用户必须保证为类CSV格式,并且提供给Addax权限可读。
特别需要注意的是,如果Path指定的路径下没有符合匹配的文件抽取,Addax将报错。
从 3.2.3 版本起, path 下允许混合不同压缩格式的文件,插件会尝试自动猜测压缩格式并自动解压,目前支持的压缩格式有:
zip
bzip2
gzip
LZ4
PACK200
XZ
Compress
### column
读取字段列表,type指定源数据的类型,index指定当前列来自于文本第几列(以0开始),value指定当前类型为常量,不从源头文件读取数据,而是根据value值自动生成对应的列。
默认情况下,用户可以全部按照String类型读取数据,配置如下:
- "column": [
"*"
]
}
用户可以指定Column字段信息,配置如下:
- {
"type": "long", "index": 0
}, {
"type": "string", "value": "alibaba"
}
]
对于用户指定Column信息,type必须填写,index/value必须选择其一。
从 4.0.1 开始,表示字段除了使用 index 来指定字段的顺序外,还支持 name 方式,这需要所读取的文件的都包含了文件头,插件会尝试将指定的 name 去匹配从文件读取的文件头, 然后得到对应的 index 值,并回写到 配置文件中。同时,index 和 name 可以在不同的列上进行混合使用,比如下面这样:
- {
"type": "long", "index": 0
}, {
"name": "region", "type": "string"
}, {
"type": "string", "value": "alibaba"
}
]
注: 这种方式以为这在准备阶段就要尝试读取文件,因为会有一定的性能损失,如非必要,不建议配置 name 方式。
### csvReaderConfig
读取CSV类型文件参数配置,Map类型。读取CSV类型文件使用的CsvReader进行读取,会有很多配置,不配置则使用默认值。
常见配置:
- "csvReaderConfig": {
"safetySwitch": false, "skipEmptyRecords": false, "useTextQualifier": false
}
}
所有配置项及默认值,配置时 csvReaderConfig 的map中请**严格按照以下字段名字进行配置**:
`ini
boolean caseSensitive = true;
char textQualifier = 34;
boolean trimWhitespace = true;
boolean useTextQualifier = true;//是否使用csv转义字符
char delimiter = 44;//分隔符
char recordDelimiter = 0;
char comment = 35;
boolean useComments = false;
int escapeMode = 1;
boolean safetySwitch = true;//单列长度是否限制100000字符
boolean skipEmptyRecords = true;//是否跳过空行
boolean captureRawRecord = true;
`
## 类型转换