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

Artikel
12/09/2023

GÄLLER FÖR: Azure Data Factory Azure Synapse Analytics

Dricks

Prova Data Factory i Microsoft Fabric, en allt-i-ett-analyslösning för företag. Microsoft Fabric omfattar allt från dataflytt till datavetenskap, realtidsanalys, business intelligence och rapportering. Lär dig hur du startar en ny utvärderingsversion kostnadsfritt!

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 datauppsättning

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.

Property	Beskrivning	Obligatoriskt
type	Datamängdens typegenskap måste anges till Xml.	Ja
plats	Platsinställningar för filen eller 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	Kodningstypen 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", "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-88 59-9", "ISO-8859-13", "ISO-8859-15", "WINDOWS-874", "WINDOWS-1250", "WINDOWS-1251", "WINDOWS-874", "WINDOWS-1250", "WINDOWS-1251", "WINDOWS-1251"1252", "WINDOWS-1253", "WINDOWS-1254", "WINDOWS-1255", "WINDOWS-1256", "WINDOWS-1257", "WINDOWS-1258".	Nej
nullValue	Anger strängrepresentationen av null-värdet. Standardvärdet är tom sträng.	Nej
komprimering	Grupp med egenskaper för att konfigurera filkomprimering. Konfigurera det här avsnittet när du vill utföra komprimering/dekomprimering under aktivitetskörningen.	Nej
type (under `compression`)	Komprimeringskodcen som används för att läsa/skriva XML-filer. Tillåtna värden är bzip2, gzip, deflate, ZipDeflate, TarGzip, Tar, snappy eller lz4. Standardvärdet komprimeras inte. Observera för närvarande aktiviteten Kopiera inte stöder "snappy" och "lz4", och mappning av dataflöde stöder inte "ZipDeflate", "TarGzip" och "Tar". Observera att när du använder kopieringsaktivitet för att dekomprimera ZipDeflate/TarGzip/Tar-filer och skriva till filbaserade mottagardatalager extraheras som standardfiler till mappen:`<path specified in dataset>/<folder named as source compressed file>/`, använd/`preserveCompressionFileNameAsFolderpreserveZipFileNameAsFolder`på kopieringsaktivitetskällan för att kontrollera om namnet på de komprimerade filerna ska behållas som mappstruktur.	Nej.
nivå (under `compression`)	Komprimeringsförhållandet. Tillåtna värden är optimala eller snabbaste. - Snabbast: 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 .	Nej

Nedan visas ett exempel på XML-datauppsättning i 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 hur du mappar 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 *källa* . Läs mer om XML-anslutningsbeteende.

Property	Beskrivning	Obligatoriskt
type	Typegenskapen för kopieringsaktivitetskällan måste anges till XmlSource.	Ja
format Inställningar	En grupp med egenskaper. Se tabellen för XML-läsinställningar nedan.	Nej
store Inställningar	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.	Nej

Xml-läsinställningar som stöds under formatSettings:

Property	Beskrivning	Obligatoriskt
type	Typ av format Inställningar måste anges till XmlRead Inställningar.	Ja
validationMode	Anger om XML-schemat ska verifieras. Tillåtna värden är inga (standard, ingen validering), xsd (verifiera med XSD), dtd (verifiera med DTD).	Nej
Namnområden	Om du vill aktivera namnområdet när XML-filerna parsas. Tillåtna värden är: true (standard), false.	Nej
namespacePrefixes	Namnområdes-URI till prefixmappning, som används för att namnge fält när xml-filen parsas. Om en XML-fil har namnområdet och namnområdet är aktiverat är fältnamnet som standard detsamma som i XML-dokumentet. Om det finns ett objekt som definierats för namnområdes-URI:n i den här kartan är `prefix:fieldName`fältnamnet .	Nej
detectDataType	Om du vill identifiera heltals-, dubbel- och booleska datatyper. Tillåtna värden är: true (standard), false.	Nej
compressionProperties	En grupp med egenskaper för hur du dekomprimeras data för en viss komprimeringskodc.	Nej
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.	Nej
preserveCompressionFileNameAsFolder (under `compressionProperties`->`type` som `TarGZipReadSettings` eller `TarReadSettings`)	Gäller när indatauppsättningen konfigureras med TarGzip/Tar-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.	Nej

Mappa dataflödesegenskaper

När du mappar 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 hjälp av XML-datamängd eller med hjälp av en infogad datauppsättning.

Källegenskaper

Tabellen nedan visar de egenskaper som stöds av en XML-källa. Du kan redigera de här egenskaperna på fliken Källalternativ . Läs mer om XML-anslutningsbeteende. När du använder infogad datauppsättning visas ytterligare filinställningar, som är samma som egenskaperna som beskrivs i avsnittet egenskaper för datamängd.

Name	beskrivning	Obligatoriskt	Tillåtna värden	Egenskap för dataflödesskript
Sökvägar för jokertecken	Alla filer som matchar sökvägen för jokertecken bearbetas. Åsidosätter den mapp och filsökväg som angetts i datauppsättningen.	Nej	Sträng[]	wildcardPaths
Partitionsrotsökväg	För fildata som är partitionerade kan du ange en partitionsrotsökväg för att läsa partitionerade mappar som kolumner	Nej	String	partitionRootPath
Lista över filer	Om källan pekar på en textfil som visar filer som ska bearbetas	Nej	`true` eller `false`	Filförteckning
Kolumn för att lagra filnamn	Skapa en ny kolumn med källfilens namn och sökväg	Nej	String	rowUrlColumn
Efter slutförande	Ta bort eller flytta filerna efter bearbetningen. Filsökvägen startar från containerroten	Nej	Ta bort: `true` eller `false` Flytta: `['<from>', '<to>']`	purgeFiles moveFiles
Filtrera efter senast ändrad	Välj att filtrera filer baserat på när de senast ändrades	Nej	Tidsstämpel	modifiedAfter modifiedBefore
Valideringsläge	Anger om XML-schemat ska verifieras.	Nej	`None` (standard, ingen validering) `xsd` (verifiera med XSD) `dtd` (verifiera med DTD).	validationMode
Namnrymder	Om du vill aktivera namnområdet när XML-filerna parsas.	Nej	`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 namnområdet och namnområdet är aktiverat är fältnamnet som standard detsamma som i XML-dokumentet. Om det finns ett objekt som definierats för namnområdes-URI:n i den här kartan är `prefix:fieldName`fältnamnet .	Nej	Matris med mönster`['URI1'->'prefix1','URI2'->'prefix2']`	namespacePrefixes
Tillåt att inga filer hittas	Om sant utlöses inte ett 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 hjälp av 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-schemaverifiering:
- Du kan välja att inte validera schemat eller verifiera schemat med XSD eller DTD.
- När du använder XSD eller DTD för att validera 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 enkelt textvärde 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.