我最近从 Informix 数据库卸载了一个客户表，有几行被拒绝，因为客户名称列包含非转义竖线(竖线符号)字符，这是源数据库中的默认 DBDELIMITER。我发现他们客户表单中的字段有一个输入掩码，允许输入任何字母数字字符，其中可以包括任何字母、数字或符号。因此，我说服用户对该列进行全面更新，将管道符号更改为分号。我还发现其他行在不同的列中包含星号和逗号。我可以想象如果以 csv 格式卸载此表会发生什么，或者星号会造成什么损害!
定义为分隔符的最佳字符是什么？ 如果表格已经被竖线、逗号、星号、制表符、反斜杠等污染，清理它们的最佳方法是什么？
最佳答案
我在工作中必须处理大量的叙述性数据。这总是一场噩梦，因为用户倾向于在其中放置任何字符，包括不可打印的字符。您可以运行清理操作，但每次加载数据时都必须执行此操作，而且它可能不会永远有效。最终有人会把你选择的每个字符作为分隔符，如果你的 CSV 处理库可以正确处理转义，这不是问题，但很多不能。如果这是一次性加载/卸载，您可能没问题，但如果您必须更频繁地执行此操作......
在过去，我将分隔符更改为反引号“`”、波浪号“~”或插入符“^”。目前的努力都失败了。我能想到的最佳解决方案是根本不使用 CSV 格式。我切换到 XML。尽管如此，还是有一些XML非法字符，但是可以用atlassian-xml-cleaner-0.1.jar翻译出来。
关于database - 哪个字符最适合用作 ETL 的分隔符？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/18192944/