XML-format i Azure Data Factory- och Synapse Analytics-pipelines

GÄLLER FÖR: Azure Data Factory Azure Synapse Analytics

Följ den här artikeln när du vill parsa XML-filerna.

XML-format stöds för följande anslutningsappar: Amazon S3, Amazon S3 Compatible Storage, Azure Blob, Azure Data Lake Storage Gen1, Azure Data Lake Storage Gen2, Azure Files, File System, FTP , Google Cloud Storage, HDFS, HTTP, Oracle Cloud Storage och SFTP. Det stöds som källa men inte mottagare.

Egenskaper för datamängd

En fullständig lista över avsnitt och egenskaper som är tillgängliga för att definiera datauppsättningar finns i artikeln Datauppsättningar . Det här avsnittet innehåller en lista över egenskaper som stöds av XML-datauppsättningen.

Egenskap Beskrivning Krävs
typ Typegenskapen för datauppsättningen måste anges till XML. Ja
location Platsinställningar för filen/filerna. Varje filbaserad anslutningsapp har en egen platstyp och egenskaper som stöds under location. Mer information finns i artikeln om anslutningsappar –> Avsnittet Egenskaper för datauppsättning. Ja
encodingName Den kodningstyp som används för att läsa/skriva testfiler.
Tillåtna värden är följande: "UTF-8", "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", "IBM737", "IBM775", "IBM850", "IBM852", "IBM855", "IBM857", "IBM860", "IBM861", "IBM863", "IBM864", "IBM865", "IBM869", "IBM870", "IBM011"40", "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-88859-9", "ISO-8859-13", "ISO-8859-15", "WINDOWS-874", "WINDOWS-1250", "WINDOWS-1251", "WINDOWS-874", "WINDOWS-1250", "WINDOWS-1251", "WINDOWS-1251", "WINDOWS-1251"1252", "WINDOWS-1253", "WINDOWS-1254", "WINDOWS-1255", "WINDOWS-1256", "WINDOWS-1257", "WINDOWS-1258".
Inga
nullValue Anger strängrepresentationen av null-värdet.
Standardvärdet är tom sträng.
Inga
komprimering Grupp med egenskaper för att konfigurera filkomprimering. Konfigurera det här avsnittet när du vill utföra komprimering/dekomprimering under aktivitetskörningen. Inga
typ
(under compression)
Den komprimeringskodc som används för att läsa/skriva XML-filer.
Tillåtna värden är bzip2, gzip, deflate, ZipDeflate, TarGzip, Tar, snappy eller lz4. Standardvärdet är inte komprimerat.
Observera att aktiviteten Kopiera för närvarande inte stöder "snappy" & "lz4", och dataflödet för mappning stöder inte "ZipDeflate", "TarGzip" och "Tar".
Observera när du använder kopieringsaktivitet för att dekomprimera ZipDeflateTarGzipTar-filer // och skriva till filbaserade mottagardatalager. Som standard extraheras filerna till mappen:<path specified in dataset>/<folder named as source compressed file>/, använd/preserveZipFileNameAsFolderpreserveCompressionFileNameAsFolderkopieringsaktivitetskällan för att kontrollera om namnet på de komprimerade filerna ska behållas som mappstruktur.
Nej.
nivå
(under compression)
Komprimeringsförhållandet.
Tillåtna värden är optimala eller snabbaste.
- Snabbaste: Komprimeringsåtgärden bör slutföras så snabbt som möjligt, även om den resulterande filen inte komprimeras optimalt.
- Optimal: Komprimeringsåtgärden bör komprimeras optimalt, även om åtgärden tar längre tid att slutföra. Mer information finns i avsnittet Komprimeringsnivå .
Inga

Nedan visas ett exempel på XML-datauppsättning på Azure Blob Storage:

{
    "name": "XMLDataset",
    "properties": {
        "type": "Xml",
        "linkedServiceName": {
            "referenceName": "<Azure Blob Storage linked service name>",
            "type": "LinkedServiceReference"
        },
        "typeProperties": {
            "location": {
                "type": "AzureBlobStorageLocation",
                "container": "containername",
                "folderPath": "folder/subfolder",
            },
            "compression": {
                "type": "ZipDeflate"
            }
        }
    }
}

Kopiera egenskaper för aktivitet

En fullständig lista över avsnitt och egenskaper som är tillgängliga för att definiera aktiviteter finns i artikeln Pipelines . Det här avsnittet innehåller en lista över egenskaper som stöds av XML-källan.

Lär dig mer om att mappa XML-data och datalager/format för mottagare från schemamappning. När du förhandsgranskar XML-filer visas data med JSON-hierarki och du använder JSON-sökvägen för att peka på fälten.

XML som källa

Följande egenskaper stöds i avsnittet kopieringsaktivitet *source* . Läs mer i BETEENDE för XML-anslutningsappen.

Egenskap Beskrivning Krävs
typ Typegenskapen för kopieringsaktivitetskällan måste anges till XmlSource. Ja
formatInställningar En grupp med egenskaper. Se inställningstabellen för XML-läsning nedan. Inga
storeSettings En grupp med egenskaper för hur du läser data från ett datalager. Varje filbaserad anslutningsapp har egna läsinställningar som stöds under storeSettings. Mer information finns i artikeln om anslutningsappar –> aktiviteten Kopiera egenskaper. Inga

XML-läsinställningar som stöds under formatSettings:

Egenskap Beskrivning Krävs
typ Typen av formatInställningar måste anges till XmlReadSettings. Ja
validationMode Anger om XML-schemat ska verifieras.
Tillåtna värden är inga (standard, ingen validering), xsd (verifiera med XSD), dtd (verifiera med DTD).
Inga
Namnområden Om namnområdet ska aktiveras när XML-filerna parsas. Tillåtna värden är: true (standard), false. Inga
namespacePrefixes Namnområdes-URI till prefixmappning, som används för att namnge fält vid parsning av XML-filen.
Om en XML-fil har namnområdet och namnområdet är aktiverat är fältnamnet som standard samma som det är i XML-dokumentet.
Om ett objekt har definierats för namnområdes-URI:n i den här kartan är prefix:fieldNamefältnamnet .
Inga
detectDataType Om du vill identifiera heltals-, dubbel- och booleska datatyper. Tillåtna värden är: true (standard), false. Inga
compressionProperties En grupp med egenskaper för att dekomprimera data för en viss komprimeringskodc. Inga
preserveZipFileNameAsFolder
(under compressionProperties->type som ZipDeflateReadSettings)
Gäller när indatauppsättningen konfigureras med ZipDeflate-komprimering . Anger om käll-zip-filnamnet ska behållas som mappstruktur under kopiering.
– När värdet är true (standard) skriver tjänsten uppackade filer till <path specified in dataset>/<folder named as source zip file>/.
– När värdet är falskt skriver tjänsten uppackade filer direkt till <path specified in dataset>. Kontrollera att du inte har duplicerade filnamn i olika zip-källfiler för att undvika racing eller oväntat beteende.
Inga
preserveCompressionFileNameAsFolder
(under compressionProperties->type som TarGZipReadSettings eller TarReadSettings)
Gäller när indatauppsättningen konfigureras med TarGzipTar-komprimering/. Anger om källans komprimerade filnamn ska bevaras som mappstruktur under kopieringen.
– När värdet är true (standard) skriver tjänsten dekomprimerade filer till <path specified in dataset>/<folder named as source compressed file>/.
– När värdet är falskt skriver tjänsten dekomprimerade filer direkt till <path specified in dataset>. Kontrollera att du inte har duplicerade filnamn i olika källfiler för att undvika racing eller oväntat beteende.
Inga

Mappa dataflödesegenskaper

I mappning av dataflöden kan du läsa XML-format i följande datalager: Azure Blob Storage, Azure Data Lake Storage Gen1, Azure Data Lake Storage Gen2, Amazon S3 och SFTP. Du kan peka på XML-filer antingen med XML-datauppsättning eller med hjälp av en infogad datauppsättning.

Källegenskaper

I tabellen nedan visas de egenskaper som stöds av en XML-källa. Du kan redigera dessa egenskaper på fliken Källalternativ . Läs mer om XML-anslutningsbeteende. När du använder infogad datauppsättning visas ytterligare filinställningar, som är desamma som egenskaperna som beskrivs i avsnittet egenskaper för datauppsättningen .

Name Beskrivning Krävs Tillåtna värden Skriptegenskap för dataflöde
Sökvägar för jokertecken Alla filer som matchar sökvägen för jokertecken bearbetas. Åsidosätter den mapp och filsökväg som angetts i datauppsättningen. Inga Sträng[] wildcardPaths
Partitionsrotsökväg För fildata som är partitionerade kan du ange en partitionsrotsökväg för att läsa partitionerade mappar som kolumner Inga Sträng partitionRootPath
Lista över filer Om källan pekar på en textfil som visar filer som ska bearbetas Inga true eller false Filförteckning
Kolumn för att lagra filnamn Skapa en ny kolumn med källfilens namn och sökväg Inga Sträng rowUrlColumn
Efter slutförande Ta bort eller flytta filerna efter bearbetning. Filsökvägen startar från containerroten Inga Ta bort: true eller false
Flytta: ['<from>', '<to>']
purgeFiles
moveFiles
Filtrera efter senast ändrad Välj att filtrera filer baserat på när de senast ändrades Inga Timestamp modifiedAfter
modifiedBefore
Valideringsläge Anger om XML-schemat ska verifieras. Inga None (standard, ingen validering)
xsd (verifiera med XSD)
dtd (verifiera med DTD).
validationMode
Namnrymder Om namnområdet ska aktiveras när XML-filerna parsas. Inga true (standard) eller false Namnområden
Namnområdesprefixpar Namnområdes-URI till prefixmappning, som används för att namnge fält när xml-filen parsas.
Om en XML-fil har namnområde och namnområde är aktiverat är fältnamnet som standard samma som i XML-dokumentet.
Om det finns ett objekt som definierats för namnområdes-URI:n i den här kartan är prefix:fieldNamefältnamnet .
Inga Matris med mönster['URI1'->'prefix1','URI2'->'prefix2'] namespacePrefixes
Tillåt att inga filer hittas Om det är sant utlöses inget fel om inga filer hittas nej true eller false ignoreNoFilesFound

Exempel på XML-källskript

Skriptet nedan är ett exempel på en XML-källkonfiguration i mappning av dataflöden med hjälp av datauppsättningsläge.

source(allowSchemaDrift: true,
    validateSchema: false,
    validationMode: 'xsd',
    namespaces: true) ~> XMLSource

Skriptet nedan är ett exempel på en XML-källkonfiguration med infogat datauppsättningsläge.

source(allowSchemaDrift: true,
    validateSchema: false,
    format: 'xml',
    fileSystem: 'filesystem',
    folderPath: 'folder',
    validationMode: 'xsd',
    namespaces: true) ~> XMLSource

XML-anslutningsbeteende

Observera följande när du använder XML som källa.

  • XML-attribut:

    • Attribut för ett element parsas som underfält för elementet i hierarkin.
    • Namnet på attributfältet följer mönstret @attributeName.
  • XML-schemavalidering:

    • Du kan välja att inte validera schemat eller verifiera schemat med XSD eller DTD.
    • När du använder XSD eller DTD för att verifiera XML-filer måste XSD/DTD refereras i XML-filerna via relativ sökväg.
  • Namnområdeshantering:

    • Namnområdet kan inaktiveras när du använder dataflöde, i vilket fall attributen som definierar namnområdet parsas som normala attribut.
    • När namnområdet är aktiverat följer namnen på elementet och attributen mönstret namespaceUri,elementName och namespaceUri,@attributeName som standard. Du kan definiera namnområdesprefix för varje namnområdes-URI i källan, i vilket fall namnen på elementet och attributen följer mönstret definedPrefix:elementName eller definedPrefix:@attributeName i stället.
  • Värdekolumn:

    • Om ett XML-element har både enkla textvärden och attribut/underordnade element parsas det enkla textvärdet som värdet för en "värdekolumn" med det inbyggda fältnamnet _value_. Och det ärver även -elementets namnområde om det gäller.

Nästa steg