ExtractText
描述:
根据数据流的内容定义正则表达式，这些正则表达式的结果将分配给数据流属性。正则表达式与用户定义参数联合使用，参数名映射到属性名，属性内容将被映射的参数名称结果所取代。第一个捕获组（如果有），将被放入该属性名。如果有多个捕获组，那么他们（包括匹配的字符串序列本身）将提供给带有索引值的该属性名，可选且不匹配的捕获组除外--例如，给定属性名称“regex”和表达式“abc(def)?(g)”, 如果“def”匹配，我们将添加属性“regex.1”，其值包含“def”。如果“def”不匹配，则不会添加名为“regex.1”的属性，但会添加名为“regex.2”且值为“g”的属性。参数的值必须是有效的具有一个或多个捕获组的正则表达式。如果正则表达式匹配多次，则仅使用第一个匹配，除非启用重复捕获组的参数设置为true。如果匹配正则表达式，则数据流将被路由到“匹配”。如果无正则表达式匹配，则数据流将路由到“不匹配”，并且不会将任何属性应用于数据流
标签:
评估，解析，文本，正则表达式，regex
参数:
如下列表中，必填参数则标识为加粗. 其他未加粗参数，则表示为可选参数。表中同时提到参数默认值设置.
| 名字 | 默认值 | 允许值列表 | 描述 |
|---|---|---|---|
| 字符编码 | UTF-8 | 数据编码字符集编码 | |
| 最大缓冲大小 | 1 MB | 指定要应用正则表达式的缓冲区（每个数据流）的最大数据量。 大于指定最大值的数据将无法完全评估 | |
| 捕获组最大长度 | 1024 | 指定捕获组值可以具有的最大字符数。超出最大值的字符将被删截 | |
| 启用规范等价 | 不启用 | - 启用 - 不启用 | 表示两个字符只有规范分解完全匹配时，才算匹配 |
| 启用不区分大小写的匹配 | 不启用 | - 启用 - 不启用 | 表示大小写不同的两个字符依旧匹配。同样适用嵌入式标记(?i) |
| 允许空格和注释 | 不允许 | - 允许 - 不允许 | 在此模式下，将忽略空格，并且忽略以\uff03开头的嵌入式注释直到行结束。同样适用嵌入标记(?x) |
| 启用DOTALL模式 | 不启用 | - 启用 - 不启用 | 表示表达式中'.' 可匹配任何字符，包括行终止符。同样适用嵌入式标记 (?s) |
| 启用文字解析 | 不启用 | - 启用 - 不启用 | 表示元字符和转义字符没有特殊含义 |
| 启用多行模式 | 不启用 | - 启用 - 不启用 | 表示'^'和'$'在行终止符或序列结束之前和之后匹配，而不是仅匹配整个输入的开头或结尾。同样适用嵌入式标记(?m) |
| 启用Unicode大小写折叠 | 不启用 | - 启用 - 不启用 | 与“启用不区分大小写的匹配”一起使用时，以与Unicode标准一致的方式进行匹配 |
| 启用Unicode预定义字符类 | 不启用 | - 启用 - 不启用 | 指定符合Unicode技术标准#18: Unicode正则表达式附录C: 兼容性参数。同样适用嵌入式标记(?U) |
| 启用Unix行模式 | 不启用 | - 启用 - 不启用 | 表示在'.'，'^'和'$'的行为中只' |
| '被识别为行终止符。同样适用嵌入式标记(?d) | |||
| 包含捕获组0 | 包含 | - 包含 - 不包含 | 表示应将捕获组0作为属性包含在内。捕获组0表示正则表达式匹配的全部，可能具有相当大的长度，通常不使用 |
| 启用循环捕获组 | 不启用 | - 启用 - 不启用 | 如果设置为启用，则将提取与捕获组匹配的每个字符串。否则，如果正则表达式匹配多次，仅提取第一个匹配项 |
动态参数:
| 名字 | 值 | 描述 |
|---|---|---|
| A FlowFile attribute | A Regular Expression with one or more capturing group | 第一个捕获组（如果有），将被放入对应属性名。如果有多个捕获组，那么他们（包括匹配的字符串序列本身）将提供给带有索引值的该属性名 不支持表达式语言 |
连线:
| 名字 | 描述 |
|---|---|
| unmatched | 当无正则表达式匹配数据流内容时，数据流将被路由到此连线 |
| matched | 当正则表达式匹配且更新数据流时，数据流将被路由到此连线 |
读取属性:
未提供。
写入属性:
未提供。
状态管理:
该组件不保存状态。
限制:
该组件没有限制
输入流要求:
组件必须提供输入流。
系统资源考量:
未提供。