Apache中的多个GetHTML属性Nifi

有没有什么办法在同一个数据流中执行多个GetHTMLElement？我想scrapy某些属性首先执行GetHTMLElement（选择属性）和执行UpdateAttribute处理器Apache中的多个GetHTML属性Nifi

(attrib: ${HTMLElement})

这第一部分工作得很好，但是当我尝试执行第二GetHTMLElement，它不能解析后的任何从flowContent ...

我在2种独立的方式执行他们，并MergeContent和工作合并他们......但现在我需要执行2 在流动的不同部分“获取”（拆分后）并且合并将不起作用...

谢谢你的帮助......我tryed问它在Hortonworks社区（https://community.hortonworks.com/questions/131614/multiple-gethtmlelement.html）

来源

2017-09-06 Luis Colubi

这样做的原因是，GetHTMLElement可以把提取的元素成flowfile 属性或flowfile 内容，具体取决于配置的Destination属性值。 GetHTMLElement有四个关系能够输出：

未找到要素 - 元素不能在HTML文件中找到。原始HTML输入将保持不变的FlowFile内容。这种情况下，不会调用“原始”关系。
成功 - 成功解析的HTML元素
原始 - 原始HTML输入
无效的HTML - 输入HTML语法无效

在成功关系，则结果流文件将具有提取的元素的内容，或者如果该元素被放入属性中，则无内容。这是因为元素匹配的方式（请参阅GetHTMLElement#186）。您可以将原始关系路由到第二个GetHTMLElement处理器以提取元素，但正如您所描述的那样，您将拥有两个独特的流程文件，每个流程文件都包含一个元素。

我提起吉拉NIFI-4356通过保持在所得flowfiles原始内容当目的地是属性改善这种情况下的处理。

来源

2017-09-06 18:16:57 Andy

非常感谢！对于可以添加的每个属性实现CSS Selector会很好，只需使用一个处理器就可以从HTML中获取许多属性（如EvaluateJSONPath或EvaluateXPath） –

Apache中的多个GetHTML属性Nifi

回答

相关问题