共用方式為


Azure Data Factory 和 Azure Synapse Analytics 中的分隔符號文字格式

適用於:Azure Data Factory Azure Synapse Analytics

提示

試用 Microsoft Fabric 中的 Data Factory,這是適用於企業的全方位分析解決方案。 Microsoft Fabric 涵蓋從資料移動到資料科學、即時分析、商業智慧和報告的所有項目。 了解如何免費開始新的試用

當您想要剖析分隔符號文字檔,或將資料寫入分隔符號文字格式時,請遵循本文來進行作業。

下列連接器支援分隔符號文字格式:

資料集屬性

如需可用來定義資料集的區段和屬性完整清單,請參閱資料集一文。 本節提供分隔符號文字資料集所支援的屬性清單。

屬性 描述 必要
type 資料集的 type 屬性必須設定為 DelimitedText Yes
location 檔案的位置設定。 每個檔案型連接器都包含專屬的位置類型,並支援 location 下的屬性。 Yes
columnDelimiter 用來分隔檔案中的資料行的字元。
預設值是逗號 ,。 當資料行分隔符號定義為空字串時,表示沒有分隔符號,會將整行視為單一資料行。
目前只有對應資料流支援資料行分隔符號做為空字串,複製活動不支援。
No
rowDelimiter 針對複製活動,用來分隔檔案中資料列的單一字元或 "\r\n"。 預設值是下列任一值 讀取時:["\r\n", "\r", "\n"]寫入時:"\r\n"。 只有在 copy 命令中才支援 "\r\n"。
針對對應資料流,用來分隔檔案中資料列的單一或兩個字元。 預設值是下列任一值 讀取時:["\r\n", "\r", "\n"]寫入時:"\n"
當資料列分隔符號設定為沒有分隔符號 (空字串) 時,資料行分隔符號也必須設定為沒有分隔符號 (空字串),表示將整個內容視為單一值。
目前只有對應資料流支援資料列分隔符號做為空字串,複製活動不支援。
No
quoteChar 如果包含資料行分隔符號,用於括住資料行值的單一字元。
預設值為雙引號 "
quoteChar 定義為空字串時,表示沒有引號字元,資料行值未加上引號,而且 escapeChar 用於逸出資料行分隔符號和本身。
No
escapeChar 在已加上引號的值內逸出引號的單一字元。
預設值為反斜線 \
escapeChar 定義為空字串時,必須也將 quoteChar 設為空字串,在此情況下,請確定所有資料行值不包含分隔符號。
No
firstRowAsHeader 指定是否要將第一個資料列視為具有資料行名稱的標頭行。
允許的值為 truefalse (預設值)。
當第一個資料列做為標頭為 false 時,請注意,UI 資料預覽和查詢活動輸出會自動產生名稱為 Prop_{n} (從 0 開始) 的資料行,複製活動需要從來源明確對應至接收,並依序 (從 1 開始) 找出資料行,而對應資料流會列出並找出名稱為 Column_{n} (從 1 開始) 的資料行。
No
nullValue 指定 Null 值的字串表示法。
預設值是空字串
No
encodingName 用來讀取/寫入測試檔案的編碼類型。
允許的值如下:"UTF-8"、"UTF-8 不使用 BOM"、"UTF-16"、"UTF-16BE"、"UTF-32"、"UTF-32BE"、"US-ASCII"、"UTF-7"、"BIG5"、"EUC-JP"、"EUC-KR"、"GB2312"、"GB18030"、"JOHAB"、"SHIFT-JIS"、"CP875"、"CP866"、"IBM00858"、"IBM037"、"IBM273"、"IBM437"、"IBM500"、"IBM737"、"IBM775"、"IBM850"、"IBM852"、"IBM855"、"IBM857"、"IBM860"、"IBM861"、"IBM863"、"IBM864"、"IBM865"、"IBM869"、"IBM870"、"IBM01140"、"IBM01141"、"IBM01142"、"IBM01143"、"IBM01144"、"IBM01145"、"IBM01146"、"IBM01147"、"IBM01148"、"IBM01149"、"ISO-2022-JP"、"ISO-2022-KR"、"ISO-8859-1"、"ISO-8859-2"、"ISO-8859-3"、"ISO-8859-4"、"ISO-8859-5"、"ISO-8859-6"、"ISO-8859-7"、"ISO-8859-8"、"ISO-8859-9"、"ISO-8859-13"、"ISO-8859-15"、"WINDOWS-874"、"WINDOWS-1250"、"WINDOWS-1251"、"WINDOWS-1252"、"WINDOWS-1253"、"WINDOWS-1254"、"WINDOWS-1255"、"WINDOWS-1256"、"WINDOWS-1257"、"WINDOWS-1258"。
請注意,對應資料流不支援 UTF-7 編碼。
請注意,對應資料流不支援使用位元組順序標記 (BOM) 的 UTF-8 編碼。
No
compressionCodec 用來讀取/寫入文字檔的壓縮轉碼器。
允許的值為 bzip2gzipdeflateZipDflateTarGzipTarsnappylz4。 預設為不壓縮。
請注意,複製活動目前不支援 "snappy" 與 "lz4",而對應資料流不支援 "ZipDeflate"、"TarGzip" 和 "Tar"。
請注意,使用複製活動將 ZipDeflate/TarGzip/Tar 檔案解壓縮並寫入檔案型接收資料存放區時,預設會將檔案擷取至資料夾:<path specified in dataset>/<folder named as source compressed file>/,在複製活動來源上使用 preserveZipFileNameAsFolder/preserveCompressionFileNameAsFolder 來控制是否要保留壓縮檔的名稱做為資料夾結構。
No
compressionLevel 壓縮比。
允許的值為 OptimalFastest
- Fastest:即使產生的檔案不以最佳方式壓縮,也應盡快完成壓縮作業。
- Optimal:即使作業需要較長時間完成,壓縮作業也應以最佳方式壓縮。 如需詳細資訊,請參閱 壓縮層級 主題。
No

以下是 Azure Blob 儲存體上的分隔符號文字資料集範例:

{
    "name": "DelimitedTextDataset",
    "properties": {
        "type": "DelimitedText",
        "linkedServiceName": {
            "referenceName": "<Azure Blob Storage linked service name>",
            "type": "LinkedServiceReference"
        },
        "schema": [ < physical schema, optional, retrievable during authoring > ],
        "typeProperties": {
            "location": {
                "type": "AzureBlobStorageLocation",
                "container": "containername",
                "folderPath": "folder/subfolder",
            },
            "columnDelimiter": ",",
            "quoteChar": "\"",
            "escapeChar": "\"",
            "firstRowAsHeader": true,
            "compressionCodec": "gzip"
        }
    }
}

複製活動屬性

如需可用來定義活動的區段和屬性完整清單,請參閱管線一文。 本節提供分隔符號文字來源和接收所支援的屬性清單。

做為來源的分隔符號文字

複製活動的 [來源] 區段支援下列屬性。

屬性 描述 必要
type 複製活動來源的 type 屬性必須設為 DelimitedTextSource Yes
formatSettings 屬性群組。 請參閱下方分隔符號文字讀取設定資料表。 No
storeSettings 屬性群組,可決定從資料存放區讀取資料的方式。 在 storeSettings 下,每個檔案型連接器都包含專屬的支援讀取設定。 No

formatSettings 下支援的分隔符號文字讀取設定

屬性 描述 必要
type formatSettings 的型別必須設定為 DelimitedTextReadSettings Yes
skipLineCount 指出從輸入檔讀取資料時,要略過的非空白資料列數。
如果同時指定 skipLineCount 和 firstRowAsHeader,則會先略過行,然後從輸入檔讀取標頭資訊。
No
compressionProperties 關於如何針對指定的壓縮轉碼器解壓縮資料的一組屬性。 No
preserveZipFileNameAsFolder
(compressionProperties->type 下為 ZipDeflateReadSettings)
將輸入資料集設定為使用 ZipDeflate 壓縮時適用。 指出是否要在複製期間保留來源 ZIP 檔案名稱做為資料夾結構。
- 設定為 true (預設) 時,服務會將解壓縮的檔案寫入 <path specified in dataset>/<folder named as source zip file>/
- 設定為 false 時,服務會將解壓縮的檔案直接寫入 <path specified in dataset>。 請確定不同的來源 ZIP 檔案中沒有重複的檔案名稱,以避免發生競爭或非預期的行為。
No
preserveCompressionFileNameAsFolder
(compressionProperties-type> 下為 TarGZipReadSettingsTarReadSettings)
將輸入資料集設定為使用 TarGzip/Tar 壓縮時適用。 指出是否要在複製期間保留來源壓縮檔案名稱做為資料夾結構。
- 設定為 true (預設) 時,服務會將解壓縮的檔案寫入 <path specified in dataset>/<folder named as source compressed file>/
- 設定為 false 時,服務會將解壓縮的檔案直接寫入 <path specified in dataset>。 請確定不同的來源檔案中沒有重複的檔案名稱,以避免發生競爭或非預期的行為。
No
"activities": [
    {
        "name": "CopyFromDelimitedText",
        "type": "Copy",
        "typeProperties": {
            "source": {
                "type": "DelimitedTextSource",
                "storeSettings": {
                    "type": "AzureBlobStorageReadSettings",
                    "recursive": true
                },
                "formatSettings": {
                    "type": "DelimitedTextReadSettings",
                    "skipLineCount": 3,
                    "compressionProperties": {
                        "type": "ZipDeflateReadSettings",
                        "preserveZipFileNameAsFolder": false
                    }
                }
            },
            ...
        }
        ...
    }
]

做為接收的分隔符號文字

複製活動的 [接收] 區段支援下列屬性。

屬性 描述 必要
type 複製活動來源的 type 屬性必須設為 DelimitedTextSink Yes
formatSettings 屬性群組。 請參閱下方分隔符號文字寫入設定資料表。 No
storeSettings 屬性群組,可決定將資料寫入資料存放區的方式。 每個以檔案為基礎的連接器在 storeSettings 底下皆具有自身的支援寫入設定。 No

formatSettings 下支援的分隔符號文字寫入設定

屬性 描述 必要
type formatSettings 的型別必須設定為 DelimitedTextWriteSettings Yes
fileExtension 用來命名輸出檔案的副檔名,例如 .csv.txt。 在輸出 DelimitedText 資料集中未指定 fileName 時,必須加以指定。 在輸出資料集中設定檔案名稱時,會做為接收檔案名稱使用,並忽略副檔名設定。 當輸出資料集未指定檔案名稱時,請選取 [是]
maxRowsPerFile 當您將資料寫入資料夾時,可以選擇寫入多個檔案,並指定每個檔案的資料列上限。 No
fileNamePrefix maxRowsPerFile 完成設定時適用。
當您將資料寫入多個檔案時,請指定檔案名稱前置詞,使系統進行此模式:<fileNamePrefix>_00000.<fileExtension>。 如果未指定,系統會自動產生檔案名稱前置詞。 當來源是以檔案為基礎的存放區,或啟用資料分割選項的資料存放區時,系統不會套用此屬性。
No

對應資料流程屬性

在對應資料流中,您可以在下列資料存放區讀取和寫入分隔符號文字格式:Azure Blob 儲存體Azure Data Lake Storage Gen1Azure Data Lake Storage Gen2SFTP,且您可以在 Amazon S3 中讀取分隔符號文字格式。

內嵌資料集

對應資料流支援將「內嵌資料集」作為定義來源和接收的選項。 內嵌分隔資料集會直接在您的來源和接收轉換內定義,且不會在定義的資料流程外部共用。 這有助於直接在資料流程內針對資料集屬性進行參數化,並可受益於共用 ADF 資料集帶來的效能提升。

當您要讀取大量的來源資料夾和檔案時,可以在 [投影] | [結構描述選項] 對話方塊內設定 [使用者投影的結構描述] 選項來改善資料流程檔案探索效能。 此選項會關閉 ADF 的預設結構描述自動探索,並將大幅改善檔案探索的效能。 設定此選項之前,請務必匯入投影,讓 ADF 具有現有投影的結構描述。 此選項不適用於結構描述漂移。

來源屬性

下表列出分隔符號文字來源支援的屬性。 您可以在 [來源選項] 索引標籤中編輯這些屬性。

名稱 描述 必要 允許的值 資料流程指令碼屬性
萬用字元路徑 系統會處理符合萬用字元路徑的所有檔案。 覆寫資料集的資料夾和檔案路徑集合。 String[] wildcardPaths
分割區根路徑 如果是分割的檔案資料,您可以輸入分割區根路徑,讀取作為資料行的分割資料夾 String partitionRootPath
檔案清單 您的來源是否指向列出待處理檔案的文字檔 truefalse fileList
多行資料列 來源檔案是否包含跨越多行的資料列。 多行值必須以引號括住。 不可使用 truefalse multiLineRow
要儲存檔案名稱的資料行 使用來源檔案名稱和路徑,建立新的資料行 String rowUrlColumn
完成後 處理後刪除或移動檔案。 從容器根開始的檔案路徑 刪除:truefalse
移動:['<from>', '<to>']
purgeFiles
moveFiles
依上次修改日期來篩選 根據上次變更檔案的時間,選擇篩選的檔案 時間戳記 modifiedAfter
modifiedBefore
允許找不到檔案 如果為 true,找不到檔案時不會擲回錯誤 truefalse ignoreNoFilesFound
最大資料行數 預設值為 20480。 當資料行編號超過 20480 時請自訂此值 整數 maxColumns

注意

檔案清單的資料流程來源支援限制為檔案中的 1024 個項目。 若要包含更多檔案,請在檔案清單中使用萬用字元。

來源範例

下圖是在對應資料流中分隔符號文字來源設定的範例。

DelimitedText 來源

相關的資料流程指令碼:

source(
    allowSchemaDrift: true,
	validateSchema: false,
	ignoreNoFilesFound: false,
	multiLineRow: true,
	wildcardPaths:['*.csv']) ~> CSVSource

注意

資料流程來源支援 Hadoop 檔案系統支援之 Linux 萬用字元的有限集合

接收屬性

下表列出分隔符號文字接收支援的屬性。 您可以在 [設定] 索引標籤中編輯這些屬性。

名稱 描述 必要 允許的值 資料流程指令碼屬性
清除資料夾 如果在進行寫入之前清除目的地資料夾 truefalse truncate
檔案名稱選項 已寫入資料的命名格式。 依預設,每個分割區的一個檔案會是 part-#####-tid-<guid> 格式 模式:String
每個分割區:String[]
將檔案命名為資料行資料:String
輸出至單一檔案:['<fileName>']
將資料夾命名為資料行資料:String
filePattern
partitionFileNames
rowUrlColumn
partitionFileNames
rowFolderUrlColumn
全部以引號括住 以引號括住所有值 truefalse quoteAll
頁首 將客戶標頭新增至輸出檔案 [<string array>] 標頭

接收範例

下圖是在對應資料流中分隔符號文字接收設定的範例。

DelimitedText 接收

相關的資料流程指令碼:

CSVSource sink(allowSchemaDrift: true,
    validateSchema: false,
    truncate: true,
    skipDuplicateMapInputs: true,
    skipDuplicateMapOutputs: true) ~> CSVSink

以下是一些與分隔符號文字格式相關的常見連接器和格式: