如何用kettle读取所趴数据所含的条目？

我们组分配给我分析文件的任务，主要就是看看趴下来的数据都有哪些条目，就像google scholar 里面paper有author啊、topic啊这些的，求教怎么用kettle读取这些呢？以及warc这种文件有什么简单粗暴的方法来读取么？

重要提示：提问者不能发表回复，可以通过评论与回答者沟通，沟通后可以通过编辑功能完善问题描述，以便后续其他人能够更容易理解问题.