我有一个 Talend 工作，我需要从 sFTP 服务器下载一个 XML 文件，然后将其处理到 Oracle 数据库中。 XML 提取的日期在文件名中，例如“FileNameHere_Outbound_201407092215.xml”，我相信它是 yyyyMMddhhmm 格式。所有文件的“FileNameHere”开头部分都相同。我需要能够从文件名的末尾读取日期，并且只从服务器中拉出那个日期以进行处理。
我不确定如何使用 FTP 来执行此操作。我以前使用 tFilelist 按日期降序对项目进行排序，但这不是 FTP 的选项。我知道它可能有一些 Java 涉及如何提取文件名的一部分，但我不是很懂 Java。我可以通过一些帮助来管理。
有没有人知道如何只从 FTP 下载最新的文件？
【问题讨论】：
标签： java string ftp etl talend
调色板上有一个 tFTPFileList 组件。这应该会为您提供 FTP 位置上所有文件的列表。然后，您想从这里解析出时间戳，这可以使用正则表达式完成，或者根据您觉得更舒服的方式对其进行子字符串化。
然后它只是按提取的时间戳排序的情况，然后为您提供最新的文件名，以便您可以获取该特定文件。
这里概述了完成这项工作的一种过于费力的方法，但它确实有效。您也应该能够自己轻松地调整它：
在上面的工作设计中，我选择了 tFileList 而不是 tFTPFileList，因为我在这里没有可用于测试的示例 FTP 位置。前提保持不变，尽管这对于真正的 tFileList 毫无意义，因为它能够按修改日期排序（以及其他选项）。
我们首先运行 tFileList/tFTPFileList 组件来遍历该位置中的所有文件（也可以对这些文件进行文件掩码以限制您在此处返回的内容）。然后我们以迭代方式将其读取到 tFixedFlowInput 组件中，当 tFileList/tFTPFileList 遍历每个文件时，该组件允许我们从 globalMap 中检索值：
我已经列出了 tFileList 提供的所有内容（您可以通过按 ctrl+space 查看选项），但您只需要文件名以及可能的文件路径或文件目录。然后，我们从这里将所有内容放入带有 tBufferOutput 组件的缓冲区中，以便我们可以收集位置的每次迭代。
一旦 tFileList/tFTPFileList 遍历目录中的每个文件，它就会触发带有 OnSubjobOk 链接的下一个子作业，我们首先使用 tBufferInput 组件将完成的缓冲区读回。此时，我已经开始在整个流程中分散 tLogRow 组件，以便更好地可视化每一步的数据。
之后，我们使用 tExtractRegexFields 组件从文件名中提取日期时间戳：
在这里，我使用以下正则表达式"^.+?_Outbound_([0-9]{12})\\.xml$" 来捕获日期时间戳。它依赖于文件名是任意字符的组合，后跟字符串文字 _Outbound_，然后是我们要捕获的日期时间戳（由 12 个数字字符表示），然后以 .xml 结束.
我们还在架构中添加一列以容纳捕获的日期时间戳，如下所示：
由于额外的列是yyyyMMddhhmm 形式的日期时间戳，我们可以在此处直接指定它，然后将其用作日期对象。
从这里我们只需按日期降序对提取的日期时间戳列进行排序，然后根据组件配置指南使用 tSampleRow 仅获取数据流的第一行。
要完成这项工作，您需要将目标文件路径输出到 globalMap（在 tJavaRow 中或使用会自动为您执行此操作的 tFlowToIterate），然后在 tFTPFileGet 的文件掩码设置中使用 globalMap 存储的文件路径：
【讨论】：