导入中特殊符号处理

OSS高速并行导入

在数据导入过程中，一般是将文件的每行作为一个元组，通过在每行中规定分隔符来分割每一列的数据。下文将介绍分隔符的使用方法和约束，以及每列中遇到特殊符号的处理方法。

分隔符

在创建OSS外部表语法中，您可以通过在FORMAT子句后面指定DELIMITER分隔符，如下：

FORMAT 'TEXT' (DELIMITER ',')

• 如果FORMAT 'TEXT'，则DELIMITER缺省值为'\t'。
• 如果FORMAT 'CSV'，则DELIMITER缺省值为','。

您也可以自定义DELIMITER，但是创建外部表语法中自定义的DELIMITER必须满足以下约束：

• 必须是一个ASCII字符，不允许是汉字或者2个以及以上ASCII字符。
• 不支持'\n'和'\r'。
• 支持除'\n'和'\r'之外的其他转义字符，使用时前面加E或者e。
• 支持前面不加E的转义字符'\t'。
• 如果是TEXT模式，可以设置DELIMITER为OFF，支持单列外部表。

为了能够正常读取数据，您提供的OSS文件内容必须严格遵守设置的DELIMITER。

数据中的特殊符号

在数据导入过程中，出现特殊符号的场景可以分为以下几种：

• 列中存在和DELIMITER相同的字符。
  • 如果您使用TEXT模式，则需要在每个DELIMITER字符前加ESCAPE符。ESCAPE符可以在创建外表时使用以下命令指定，缺省值为反斜杠（\）。

    FORMAT 'TEXT' (ESCAPE '\' )

  • 如果您使用的是CSV模式，则需要在每个DELIMITER字符前加双引号（”）。
• 列中存在中文。OSS外表支持中文数据，但是为了保证显示正确，您需要在创建外表时设置如下编码格式：

  ENCODING 'UTF8'

• 列中存在null。您可以设置null对应的匹配字符，在导入数据时将对应的字符匹配为null。CSV模式下缺省值为不带引号的空值，TEXT模式下缺省值为\N。以下命令将空格作为null的匹配字符，如果该列为空格，则在使用OSS文件导入的数据中该列值为null。

  FORMAT 'text' (null ' ' )

• 列中存在转义字符。您可以在转义字符前增加ESCAPE符。ESCAPE符在创建外表时指定，CSV模式缺省值为双引号（”），TEXT模式缺省值为反斜杠（\）。
  • 您可以自定义ESCAPE为单个字符。例如，以下命令将ESCAPE设置为反斜杠：

    FORMAT 'csv' (ESCAPE '\' )

  • 您也可以设置ESCAPE为OFF，避免所有字符被自动转义。
• 列中存在单引号或者双引号。
  • 如果您使用TEXT模式，需要在单引号或者双引号前面增加ESCAPE符，默认为反斜杠（\）。
  • 如果您使用CSV模式，需要在单引号或者双引号前面增加ESCAPE符，默认为双引号（”），同时在该列前后加双引号（”），将整列括起来。

\COPY数据导入

您在使用\COPY命令导入数据时，分隔符的使用方法和OSS高速并行导入时的使用方法一样，而对数据中出现特殊符号的处理方法也和OSS高速并行导入相类似。不同的是\COPY命令和CREATE EXTERNAL TABLE语句用法略有不同，\COPY命令详细用法见使用\COPY命令导入本地数据。