単語ベースのパターン
Talend Data Preparationでは、データ内の単語ベースのパターン配分を分析できます。
単語ベースのパターンインジケーターでは大文字と小文字が区別されます。次の表は、プロファイリングエリアのパターンの説明です。
| パターン | 説明 |
|---|---|
| [Word] | 大文字で始まり、小文字で構成される単語 |
| [WORD] | 大文字の単語 |
| [word] | 小文字の単語 |
| [Char] | 単一の大文字 |
| [char] | 単一の小文字 |
| [Ideogram] | CJK統合漢字の1つ |
| [IdeogramSeq] | 連続する表意文字 |
| [hiraSeq] | 日本語の連続するひらがな文字 |
| [kataSeq] | 日本語の連続するカタカナ文字 |
| [hangulSeq] | 各国語の連続するハングル文字 |
| [digit] | アラビア数字(0、1、2、3、4、5、6、7、8、9)のいずれか |
| [number] | 連続する数字 |
次の例は、Talend Data Preparationで特定のレコードがどう解釈されるかを示したものです。
| String | Pattern |
|---|---|
| A character is NOT a Word | [Char] [word] [word] [WORD] [char] [Word] |
| someWordsINwORDS | [word][Word][WORD][char][WORD] |
| Example123@domain.com | [Word][number]@[word].[word] |
| anotherExample8@domain.com | [word][Word][digit]@[word].[word] |
| 袁 花木蘭88 | [Ideogram] [IdeogramSeq][number] |
| Latin2中文 | [Word][digit][IdeogramSeq] |
| Latin3フランス | [Word][digit][kataSeq] |
| Latin4とうきょう | [Word][digit][hiraSeq] |
| Latin5나는 한국 사람입니다 | [Word][digit][hangulSeq] |