Bestandsindelingen voor classificatieset

De JSON-bestandsindeling volgt conventies voor JSON Lines (JSONL). Het bestand moet één JSON-object per regel bevatten, waarbij elk object één classificatierecord vertegenwoordigt.

JSON-structuur

Elk JSON-object moet het volgende bevatten:

• key (vereist): De unieke id voor het classificatierecord

• data (vereist voor updates): een object dat de namen en waarden van classificatiekolom bevat

• action (optioneel): De handeling die moet worden uitgevoerd. Tot de ondersteunde waarden behoren:

  • update (standaardwaarde)
  • delete-field
  • delete-key

• enc (optioneel): specificatie voor gegevenscodering. Tot de ondersteunde waarden behoren:

  • utf8 of UTF8 (standaardwaarde)
  • latin1 of LATIN1

Alle JSON-veldnamen (key, data, action, enc) zijn hoofdlettergevoelig en moeten in kleine letters worden geschreven.

JSON-voorbeelden

Basis updaterecord:

{"key": "product123", "data": {"Product Name": "Basketball Shoes", "Brand": "Brand A", "Category": "Sports"}}

Update met gespecificeerde het coderen:

{"key": "product456", "enc": "utf8", "data": {"Product Name": "Running Shoes", "Brand": "Brand B"}}

Schrap specifieke gebieden:

{"key": "product789", "action": "delete-field", "data": {"Brand": null, "Category": null}}

Schrap een volledige sleutel:

{"key": "product999", "action": "delete-key"}

JSON-validatieregels

• Het veld key is vereist en mag niet null of leeg zijn.
• Voor update -handelingen is het veld data vereist en mag het niet leeg zijn.
• Voor delete-field -handelingen moet het veld data de velden bevatten die moeten worden verwijderd.
• Voor delete-key -handelingen mag het veld data niet aanwezig zijn.
• Ondersteunde coderingswaarden zijn niet hoofdlettergevoelig en bevatten standaardnamen voor tekensets.

CSV-bestanden (met door komma's gescheiden waarden) gebruiken komma's om classificatiegegevensvelden te scheiden.

CSV-structuur

• de rij van de Kopbal: De eerste rij moet kolomkopballen bevatten en de eerste kolom moet de belangrijkste kolom zijn. De volgende kolommen zouden namen in uw schema van de classificatieset van u moeten aanpassen
• de rijen van Gegevens: Elke verdere rij bevat classificatiegegevens
• Scheidingstekens: De gebieden worden gescheiden door komma's
• het Citeren: De gebieden die komma's, citaten, of newlines bevatten zouden in dubbele citaten moeten worden ingesloten

CSV-voorbeelden

Basisclassificatiegegevens:

Key,Product Name,Brand,Category,Price
product123,"Basketball Shoes",Brand A,Sports,89.99
product456,"Running Shoes",Brand B,Sports,79.99
product789,"Winter Jacket",Brand C,Clothing,149.99

Schrap een volledige sleutel:

Key,Product Name,Brand,Category,Price
product999,~deletekey~,,,

Schrap specifieke gebieden (gemengd met updates):

Key,Product Name,Brand,Category,Price
product123,"Updated Product Name",Brand A,Sports,89.99
product456,,~empty~,~empty~,79.99

CSV-opmaakregels

• Velden met komma's moeten tussen dubbele aanhalingstekens staan.
• Velden die dubbele aanhalingstekens bevatten, moeten aanhalingstekens omzeilen door deze te verdubbelen ("").
• Lege velden vertegenwoordigen null-waarden voor die classificatie.
• Voorloopspaties en volgspaties rond velden worden automatisch bijgesneden.
• Speciale tekens (tabs, newlines) in velden met een citaat blijven behouden.

de verrichtingen van de Schrapping:

• Gebruik ~deletekey~ in elk veld om de gehele sleutel en alle classificatiegegevens te verwijderen
• Gebruik ~empty~ in specifieke velden om alleen die classificatiewaarden te verwijderen (laat andere velden intact)
• Als u ~empty~ gebruikt, kunt u verwijderingen combineren met updates in hetzelfde bestand

TSV (Door tabs gescheiden waarden) en TAB-bestanden gebruiken tabtekens om classificatiegegevensvelden te scheiden.

TSV- en TAB-structuur

• de rij van de Kopbal: De eerste rij moet kolomkopballen bevatten en de eerste kolom moet de belangrijkste kolom zijn. De volgende kolommen zouden namen in uw schema van de classificatieset van u moeten aanpassen.
• de rijen van Gegevens: Elke verdere rij bevat classificatiegegevens.
• Scheidingstekens: De gebieden worden gescheiden door lusjekarakters (\t).
• het Citeren: Over het algemeen is geen het citeren nodig, maar sommige implementaties steunen geciteerde gebieden.

Voorbeelden van TSV en TAB

Basisclassificatiegegevens:

Key    Product Name    Brand    Category    Price
product123    Basketball Shoes    Brand A    Sports    89.99
product456    Running Shoes    Brand B    Sports    79.99
product789    Winter Jacket    Brand C    Clothing    149.99

Schrap een volledige sleutel:

Key    Product Name    Brand    Category    Price
product999    ~deletekey~

Schrap specifieke gebieden (gemengd met updates):

Key    Product Name    Brand    Category    Price
product123    Updated Product Name    Brand A    Sports    89.99
product456        ~empty~    ~empty~    79.99

Opmaakregels voor TSV/TAB

• Velden worden gescheiden door enkele tabtekens.
• Lege velden (opeenvolgende tabbladen) vertegenwoordigen null-waarden.
• Er is doorgaans geen speciale aanhalingstekens vereist.
• De voorloopspaties en de navolgende spaties blijven behouden.
• Nieuwe regeltekens binnen velden moeten worden vermeden.

de verrichtingen van de Schrapping:

• Gebruik ~deletekey~ in elk veld om de gehele sleutel en alle classificatiegegevens te verwijderen.
• Gebruik ~empty~ in specifieke velden om alleen die classificatiewaarden te verwijderen (en laat andere velden intact).
• Als u ~empty~ gebruikt, kunt u verwijderingen combineren met updates in hetzelfde bestand.