将.docx文件加载到ETL/ELT工具中？

Question

请有人指导我如何提取.docx文件并使用ETL(提取-转换-加载)或ELT(提取-加载-转换)工具将其加载到数据库中。

假设.docx文件主要包含非结构化数据，那么它不是我应该使用的ELT工具而不是ETL吗

到目前为止，我发现的ETL和ELT工具不支持MS Word组件。还有什么方法可以提取.docx文件中的内容并将其存储到数据库中呢？

我的要求是：

1. 提取.docx文件中的数据，
2. 将它们转换为有意义的数据，
3. 将它们存储到data lake上，以便我可以执行data analysis，并根据这些结果做出生产性决策。

这就像电子商务公司如何将客户评论转化为有意义的数据，这样他们就可以做出决定来提升自己的销售额。在我的例子中，我需要分析Word文件。

我之所以这么问，是因为我搜索了这么多ETL和ELT工具，但是找不到任何支持Word文件的东西。也许是因为我一直在寻找合适的工具或正确的方法？

如果有人知道办法，请指导我完成这个过程。我该开始找什么？一种工具，还是一种编码整件事的方法？

我已经找了好几个星期的答案了，但没有找到有帮助的答案。看到所有支持其他组件的工具，如社交媒体、MongoDB或除Word文件之外的任何其他组件，都开始让人感到沮丧。

Answer 1

你必须分两步完成：

将xml

• Now文件中的数据从

1. 提取到txt或使用SSIS导入。(Azure Data (如果您在云中)