在上期發布的文章《分分鐘讓你學會使用DataStage連通企業級數據庫》中，給大家詳細介紹過廣泛支持各種異構平臺的數據庫，提供多種功能強大、類型豐富的數據庫連接器，滿足企業數據集成所需：

• 提供企業級數據庫連接器，例如DB2 Connector, Oracle Connector，Teradata Connector等；自帶原生API接口，支持各種優化選項，實現高性能數據抽取和加載。
• 提供JDBC連接器(JDBC Connector)，功能更加靈活，不僅支持傳統數據庫，而且還支持NoSQL數據庫，例如Cloudant，MongoDB，Hive，Cassandra等。
• 提供ODBC連接器(ODBC Connector)，支持所有提供ODBC驅動的數據庫。

不僅可以全面支持結構化數據，同樣也支持對非結構化數據的訪問，例如TXT、CSV、XML、COBOL和Excel文件。今天與大家分享的最佳實踐，就是如何通過DataStage的Unstructured Data組件來訪問和讀取Excel文件。

場景一：指定Sheet名和數據范圍進行數據抽取

1. Excel文件名為Employee1.xls，包括3個sheet(sheet1, sheet2, sheet3),其中sheet1存放的是員工及部門信息，sheet2和sheet3都為空，數據樣本如下：

2. 設計作業，從Employee1.xls文件的sheet1表單中抽取屬于部門DEPT_B01的員工信息，并輸出到文本文件。

• 文件名：Excel源文件的文件名及目錄路徑；
• 范圍選項：指定整個數據范圍，表示從下面的范圍表達式中讀取數據；
• 范圍表達式：指定讀取數據的具體范圍，即sheet1表單的A16:K28；
• 列標題：數據范圍的第一行，表示第一行為字段名，所以從第二行開始抽取數據；
• Excel 列：對字段進行過濾，輸出結果不保留源Excel sheet1表單的“PHONE NO”和“BIRTH DATE” 兩個字段；

3. 編譯并運行作業，結果數據如下：

場景二：對Excel文件中的所有sheet統一進行數據抽取

1、Excel文件名為Employee2.xls，包括4個sheet，分別存放DEPT A00，DEPT B01，DEPT C01，DEPT D01這四個部門的員工信息；并且，這4個sheet的數據結構一致，每個sheet的第3行都表示字段名。數據樣本如下:

2. 設計作業，從Employee2.xls文件的所有表單中抽取屬于各個部門的員工信息，并統一輸出到文本文件。

• 文件名：Excel源文件的文件名及目錄路徑；
• 范圍選項：指定起始行，表示從下面的范圍表達式中讀取起始行以下的所有記錄；
• 范圍表達式：指定起始行的具體位置，即A3:H3；因為沒有指定sheet名，所以遍歷所有sheet；
• 列標題：數據范圍的第一行，表示第一行為字段名，所以從第二行開始抽取數據；
• 映射：新增字段，在輸出結果中新增兩個字段“SheetName”和“EMAIL_ADDRESS”，分別表示工作表單名稱和郵件地址；

3. 編譯并運行作業，結果數據如下：

場景三：對Excel文件中的多個sheet分別進行數據抽取

1. Excel文件名為Employee3.xls，包括2個sheet(Departments，Employees)，分別存放部門信息和員工信息；并且，這2個sheet的數據結構不一致。數據樣本如下:

2. 設計DataStage作業，從Employee3.xls文件的多個表單中分別抽取部門信息和員工信息，輸出到不同的文本文件。

• 文件名：Excel源文件的文件名及目錄路徑；
• 范圍選項：指定整個數據范圍，表示從下面的范圍表達式中讀取數據；
• 范圍表達式：指定讀取數據的具體范圍，即Departments表單的A2:C6以及Employees表單的A2:L34；
• 列標題：數據范圍的第一行，表示第一行為字段名，所以從第二行開始抽取數據；

3. 編譯并運行作業，結果數據如下

總結：

InfoSphere DataStage不僅能靈活解析并讀取Excel多表單文件，而且還能實現創建或寫入Excel文件，更能支持多種類型的非結構化數據，

想要了解更多有關的功能和數據集成場景嗎，請訪問下面鏈接：

via：華南IBM大數據支持團隊

詳情請咨詢“”！

客服熱線：023-66090381