工具	版本
mule-standalone	3.9.0
Anypoint-Studio	6.4.0

Dataweave Function

dataweave language十分強大，能夠完成各種格式的轉換。其使用場景一般是在Transformer Message元件中使用，通過在元件配置介面裡面編寫dwl能夠將input轉換為你所需要的output。但是實際上，除了Transformer Message元件外，dwl還能配合expression transformer元件來使用。

Expression Transformer元件圖

在expression transformer

中使用dwl使用的是Mule提供的dw function——dw()，dwl語句可寫在括號裡面，通過expression transformer解析執行後便能達到和Transformer Message一樣的效果。其語法結構如下：
#[dw("<dwl script>","mime type")]
因為dwl在Transformer Message中使用往往帶有格式（比如換行，Tab）。因此不建議通過expression transformer元件的視覺化來配置。而是直接開啟XML中複製dwl程式碼到元件的expression屬性值區域（注意xml中雙引號使用"），
注意使用dw函式需要指定轉換後的輸出型別。

使用例子

#[dw("payload map ((arrayVal,arrayIdx)->  arrayVal   mapObject ((objVal,objIdx)->   '$objIdx':objVal  ) )","application/json")]

如果轉換的Dataweave語句是固定的，那麼實際上使用Transformer Message或者Expression Transformer都可以，但是如果Dataweave語句的內容不能確定，動態傳入的情況中，那麼Transformer Message就捉襟見肘了。因為其dwl語句在開發時是寫死的。

存在當前場景：根據不同的情況，Dataweave語句是從資料庫中讀取的，並且保留到了flow變數中儲存，變數名為dw_statement。

如果此時在Expression Transformer設定表示式#[flowVars.dw_statement]，那麼並不能達到執行Dataweave的效果。因為該元件只會解析出flow變數中Dataweave語句，但是並不會予以執行。簡而言之，如果你想通過該元件智慧地給你解析MEL中巢狀的MEL，簡單地放入一個MEL表示式是不行的。

通過閱讀官方文件，會發現官網提供在Expression Transformer中提供了好幾個Evaluator，那麼這時候使用其中一個名為processor Evaluator將會解決上面的問題。

姑且稱Evaluator為評估器，該process評估器的表示式語法是#[process:processorName:valueToProcess]。

(官網對其解釋)Invokes a message processor within an expression. This processor can be any component, transformer, custom processor, processor chain or flow. This evaluator is most useful when used with a nested expression that determines the value that is processed by the referenced message processor.

表示式讓我們指定一個processor來給我們處理這個valueToProcess，這個process可以是一些其他的元件，flow，轉換器之類的元件，因此便有了下面的圖：
process Evaluator使用圖

圖紅色文字部分最後少了一個]中括號

在上面擷取的結構圖中，通過從資料庫中獲取到了Dataweave語句並儲存到flow變數中，然後接一個表示式元件並且配置了圖中的表示式。該表示式呼叫了一個名為getDataweaveProcessor的subflow。這個flow便是關鍵，它來真正解析我們儲存在flow變數的dwl語句（其中訊息增強和Object to JSON元件並不是關鍵，而是因為我所使用的dwl場景所需要使用而已）。子flow裡面使用了一個Java Component元件，其程式碼如下：

package com.data.center.utils;

import org.apache.log4j.Logger;
import org.mule.DefaultMuleEvent;
import org.mule.api.MuleEvent;
import org.mule.api.MuleEventContext;
import org.mule.api.lifecycle.Callable;

public class ExpressionEvaluatorInJava implements Callable {
    private static final Logger logger = Logger.getLogger(ExpressionEvaluatorInJava.class);

    @Override
    public Object onCall(MuleEventContext eventContext) throws Exception {
        //獲取存有dataweave的流變數語句
        String dw_statement = eventContext.getMessage().getInvocationProperty("dw_statement").toString();
        MuleEvent muleEvent = new DefaultMuleEvent(eventContext.getMessage(), eventContext.getExchangePattern(),
                eventContext.getFlowConstruct());
        Object response = eventContext.getMuleContext().getExpressionManager().evaluate(dw_statement, muleEvent);
        return response;
    }

}

在java中，我們獲取流變數中儲存的Dataweave語句，並且通過JAVA程式碼來呼叫表示式解析，而這裡處理的內容就是我們Expression Transformer中傳遞的payload，表示式中傳遞的值到了子flow中將變為該flow的負載。response就是我們通過dwl轉換的結果內容。

至此達到從flow變數中動態獲取Dataweaeve語句解析執行的效果。之所以會有上述一系列的做法，無非就是為了更為靈活地適配不同情況下使用Dataweave來轉換資料，如果有更好更方便的方法，歡迎留言評論。