Filformat för klassificeringsuppsättning

JSON-filformatet följer konventioner för JSON-rader (JSONL). Filen måste innehålla ett JSON-objekt per rad, där varje objekt representerar en enda klassificeringspost.

JSON-struktur

Varje JSON-objekt måste innehålla:

• key (obligatoriskt): Unik identifierare för klassificeringsposten

• data (krävs för uppdateringar): Ett objekt som innehåller klassificeringskolumnnamn och deras värden

• action (valfritt): Den åtgärd som ska utföras. Följande värden stöds:

  • update (standardåtgärden när ingen åtgärd har angetts)
  • delete-field
  • delete-key

• enc (valfritt): Datakodningsspecifikation. Följande värden stöds:

  • utf8 eller UTF8 (standard)
  • latin1 eller LATIN1

Alla JSON-fältnamn (key, data, action, enc) är skiftlägeskänsliga och måste skrivas med gemener.

JSON-valideringsregler

• Fältet key är obligatoriskt och får inte vara null eller tomt.
• För update-åtgärder är fältet data obligatoriskt och får inte vara tomt.
• För delete-field-åtgärder måste fältet data innehålla de fält som ska tas bort.
• Fältet delete-key får inte finnas för data-åtgärder.
• Kodningsvärden som stöds är inte skiftlägeskänsliga och innehåller standardnamn på teckenuppsättningar.

JSON-exempel

Några exempel på JSON-poster i en JSON-fil.

Grundläggande uppdateringspost

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

Uppdatera med angiven kodning

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

Ta bort specifika fält

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

Ta bort en hel nyckel

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

CSV-filer (kommaseparerade värden) avgränsar klassificeringsdatafält med kommatecken.

CSV-struktur

• Rubrikrad: Den första raden måste innehålla kolumnrubriker och den första kolumnen måste vara nyckelkolumn. Efterföljande kolumner ska matcha namn i ditt klassificeringsschema
• Datarader: Varje efterföljande rad innehåller klassificeringsdata
• Avgränsare: Fält avgränsas med kommatecken
• Citat: Fält som innehåller kommatecken, citattecken eller radmatningar ska omslutas av citattecken

CSV-formateringsregler

• Fält som innehåller kommatecken måste omslutas av citattecken.
• Fält som innehåller dubbla citattecken måste undvika citattecken genom att dubblera dem ("").
• Tomma fält representerar null-värden för den klassificeringen.
• Radavstånd och avslutande blanksteg runt fält trimmas automatiskt.
• Specialtecken (tabbar, nya rader) i citattecken bevaras.

CSV-borttagningsåtgärder

• Använd ~deletekey~ i alla fält för att ta bort hela nyckeln och alla dess klassificeringsdata
• Använd ~empty~ i specifika fält om du bara vill ta bort dessa klassificeringsvärden (övriga fält förblir oförändrade)
• När du använder ~empty~ kan du blanda borttagningar med uppdateringar i samma fil

CSV-exempel

Några exempel på CSV-poster i en CSV-fil.

Grundläggande klassificeringsdata

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

Ta bort en hel nyckel

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

Ta bort specifika fält (blandat med uppdateringar)

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

I TSV- (Tab-Separated Values) och TABB-filer används tabbtecken för att skilja klassificeringsdatafält åt.

Strukturen för TSV och TAB

• Rubrikrad: Den första raden måste innehålla kolumnrubriker och den första kolumnen måste vara nyckelkolumn. Efterföljande kolumner ska matcha namn i ditt klassificeringsschema.
• Datarader: Varje efterföljande rad innehåller klassificeringsdata.
• Avgränsare: Fält avgränsas med tabbtecken (\t).
• Citat: I allmänhet behövs ingen offert, men vissa implementeringar stöder citattecken.

Formateringsregler för TSV och TAB

• Fält avgränsas med enkla tabbtecken.
• Tomma fält (på varandra följande flikar) representerar null-värden.
• Normalt behövs ingen specialoffert.
• Radavstånd och avslutande blanksteg bevaras.
• Tidslinjetecken i fält bör undvikas.

Åtgärder för att ta bort TSV och TABB

• Använd ~deletekey~ i vilket fält som helst för att ta bort hela nyckeln och alla dess klassificeringsdata.
• Använd ~empty~ i specifika fält om du bara vill ta bort dessa klassificeringsvärden (lämnar andra fält intakta).
• När du använder ~empty~ kan du blanda borttagningar med uppdateringar i samma fil.

Exempel på TSV och TAB

Några exempel på TSV- eller TAB-avgränsade poster i en TSV- eller TAB-fil.

Grundläggande klassificeringsdata

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

Ta bort en hel nyckel

Key    Product Name    Brand    Category    Price
product999    ~deletekey~

Ta bort specifika fält (blandat med uppdateringar)

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