违规内容替换

前提条件

• 需联系Dataphin团队开通非结构化数据功能后，才能使用工作流功能。

• 已完成工作流的创建，详细创建步骤请参见创建工作流。

权限说明

Basic项目的项目管理员、开发者、分析师以及拥有数据集-使用权限的自定义项目角色，可在算子的输入和输出数据集中使用该项目下的所有数据集。

操作步骤

1. 在Dataphin首页的顶部菜单栏中，选择研发 > 数据研发。

2. 在开发页面的顶部菜单栏选择项目。

3. 在左侧导航栏中选择数据处理 > 工作流，在左侧工作流列表中单击目标工作流，打开工作流画布，在左侧算子库中拖动违规内容替换算子至画布中，并在右侧违规内容替换面板中配置以下参数。

   参数		描述
   步骤名称		输入当前算子名称，支持任意字符，不超过256个字符。
   输入配置	数据集	选择需处理的数据集，可选择混合数据集和表数据集。数据集选择完成后还需选择其版本，默认为该数据集正序的第一个版本。 当前算子作为其他算子的下游时，此处所选数据集通常与上游算子的输出数据集一致。
   	输入字段	待处理文档URL或文本，需选择输入数据集中来源字段，可选择输入数据集中元数据表的所有字段。系统根据字段类型自动识别处理对象，若为URL类型，则抓取并解析指向的文档（支持.txt/.md/.csv/.json/.xml/.html格式的文件）；若为非URL类型，则直接将该字段内容作为纯文本处理。
   	过滤条件（非必填）	使用SQL语法，仅需输入where语句后的过滤条件，支持使用系统全局变量，例如业务日期${bizdate}。
   算子配置	系统内置词库（非必选）	系统内置色情词库、反动词库、政治词库、民生词库、暴恐词库和广告词库，您可选择多个词库。系统内置词库和自定义敏感词不可同时为空。
   	自定义敏感词（非必选）	需自行准备敏感词表格（支持.xlsx/.csv/.txt/.xls格式），表格中敏感词需位于表格第一列，表格不超过10M。表格准备就绪后，单击上传文件。
   	替换字符	输入替换敏感词的字符，默认为*。
   输出配置	数据集	支持选择来源数据集或其他数据集。若来源数据集的元数据表不存在主键，则输出数据集默认选择其他数据集。 当选择其他数据集时，若输入字段所选的是URL类型字段（处理后会生成文件），输出数据集仅支持选择混合数据集；若输入字段所选的不是URL类型字段，输出数据集支持选择混合数据集和表数据集。 数据集选择完成后还需选择其版本，默认为该数据集正序的第一个版本。选择来源数据集时，算子产出的元数据将写入来源数据集同版本对应的元数据表中。
   	文件输出路径	输入文件输出的路径，仅当输入字段为URL类型时支持配置。
   	加载策略	若所选输出数据集的元数据表中存在主键，则默认选择主键冲突时更新；若不存在主键，则默认选择追加数据。 追加数据：直接向目标表新增追加数据，当主键/约束冲突时，会提示错误。 主键冲突时更新：当主键/约束冲突时，会先删除整行主键重复的旧数据，再插入新数据。 覆盖：先删除目标表的数据，再写入数据。 说明 输出数据集选择来源数据集时，加载策略仅支持主键冲突时更新。
   	字段映射	违规内容替换算子的输入字段为URL字段时，将固定输出markdown_url字段，即转换后的文档存储URL；输入字段不是URL字段时，将固定输出processed_text字段，即转换后的文本内容。 算子输出字段默认映射至输出数据集的同名字段，您也可以手动选择目标字段进行自定义映射。此外，支持将来源数据集的透传字段映射至目标数据集。您可以通过以下方式管理字段映射： 新增输出字段：单击后新增一行空白字段映射关系。仅输出数据集选择其他数据集时支持此功能。 批量映射：单击后可选择批量手动映射、同名映射或同行映射。仅输出数据集选择其他数据集时支持此功能。 删除映射：单击删除图标可删除对应行的字段映射，但算子固定输出字段的映射不支持删除。

4. 配置完成后，单击画布顶部菜单栏中的保存，保存此次配置。

   单个算子配置完成后，可继续为其选择上游或下游算子来完成完整工作流的配置。