💬Generate LLM translations (#2190)

github-actions[bot] · web-flow · commit 370c3bc1bb76 · 2025-05-21T14:37:17.000+08:00
Co-authored-by: github-actions[bot] &lt;41898282+github-actions[bot]@users.noreply.github.com&gt;
diff --git a/docs/cn/guides/40-load-data/04-transform/00-querying-parquet.md b/docs/cn/guides/40-load-data/04-transform/00-querying-parquet.md
@@ -1,3 +1,4 @@
+```md
 ---
 title: 查询 Stage 中的 Parquet 文件
 sidebar_label: Parquet
@@ -54,4 +55,19 @@ FROM @parquet_query_stage
     FILE_FORMAT => 'parquet_query_format',
     PATTERN => '.*[.]parquet'
 );
+```
+### 使用元数据查询
+
+直接从 Stage 查询 Parquet 文件，包括元数据列，如 `metadata$filename` 和 `metadata$file_row_number`：
+
+```sql
+SELECT
+    metadata$filename AS file,
+    metadata$file_row_number AS row,
+    *
+FROM @parquet_query_stage
+(
+    FILE_FORMAT => 'parquet_query_format',
+    PATTERN => '.*[.]parquet'
+);
 ```
diff --git a/docs/cn/guides/40-load-data/04-transform/01-querying-csv.md b/docs/cn/guides/40-load-data/04-transform/01-querying-csv.md
@@ -69,4 +69,19 @@ FROM @csv_query_stage
     FILE_FORMAT => 'csv_query_format',
     PATTERN => '.*[.]csv[.]gz'
 );
+```
+### 使用元数据查询
+
+直接从 Stage 查询 CSV 文件，包括元数据列，如 `metadata$filename` 和 `metadata$file_row_number`：
+
+```sql
+SELECT
+    metadata$filename AS file,
+    metadata$file_row_number AS row,
+    $1, $2, $3
+FROM @csv_query_stage
+(
+    FILE_FORMAT => 'csv_query_format',
+    PATTERN => '.*[.]csv'
+);
 ```
diff --git a/docs/cn/guides/40-load-data/04-transform/02-querying-tsv.md b/docs/cn/guides/40-load-data/04-transform/02-querying-tsv.md
@@ -6,41 +6,40 @@ sidebar_label: TSV
 ## 查询 Stage 中的 TSV 文件
 
 语法：
-
 ```sql
-SELECT [<alias>.]$<col_position> [, $<col_position> ...]
-FROM {@<stage_name>[/<path>] [<table_alias>] | '<uri>' [<table_alias>]}
-[(
+SELECT [<alias>.]$<col_position> [, $<col_position> ...] 
+FROM {@<stage_name>[/<path>] [<table_alias>] | '<uri>' [<table_alias>]} 
+[( 
   [<connection_parameters>],
   [ PATTERN => '<regex_pattern>'],
   [ FILE_FORMAT => 'TSV| <custom_format_name>'],
   [ FILES => ( '<file_name>' [ , '<file_name>' ] [ , ... ] ) ]
 )]
 ```
 
+
 :::info Tips
 TSV 没有 schema 信息，所以我们只能通过位置查询列 `$<col_position> [, $<col_position> ...]`。
 :::
 
 ## 教程
 
-### 步骤 1. 创建外部 Stage
-
-使用您自己的 S3 bucket 和存储 TSV 文件的凭据创建一个外部 stage。
+### 步骤 1. 创建一个外部 Stage
 
+使用您自己的 S3 bucket 和凭据创建一个外部 Stage，用于存储您的 TSV 文件。
 ```sql
-CREATE STAGE tsv_query_stage
-URL = 's3://load/tsv/'
+CREATE STAGE tsv_query_stage 
+URL = 's3://load/tsv/' 
 CONNECTION = (
-    ACCESS_KEY_ID = '<your-access-key-id>'
+    ACCESS_KEY_ID = '<your-access-key-id>' 
     SECRET_ACCESS_KEY = '<your-secret-access-key>'
 );
 ```
 
 ### 步骤 2. 创建自定义 TSV 文件格式
 
 ```sql
-CREATE FILE FORMAT tsv_query_format
+CREATE FILE FORMAT tsv_query_format 
     TYPE = TSV,
     RECORD_DELIMITER = '\n',
     FIELD_DELIMITER = ',',
@@ -70,3 +69,18 @@ FROM @tsv_query_stage
     PATTERN => '.*[.]tsv[.]gz'
 );
 ```
+### 查询元数据
+
+直接从 Stage 查询 TSV 文件，包括元数据列，如 `metadata$filename` 和 `metadata$file_row_number`：
+
+```sql
+SELECT
+    metadata$filename AS file,
+    metadata$file_row_number AS row,
+    $1, $2, $3
+FROM @tsv_query_stage
+(
+    FILE_FORMAT => 'tsv_query_format',
+    PATTERN => '.*[.]tsv'
+);
+```
diff --git a/docs/cn/guides/40-load-data/04-transform/03-querying-ndjson.md b/docs/cn/guides/40-load-data/04-transform/03-querying-ndjson.md
@@ -1,53 +1,52 @@
 ---
-title: Querying NDJSON Files in Stage
+title: 查询 Stage 中的 NDJSON 文件
 sidebar_label: NDJSON
 ---
 
-## Query NDJSON Files in Stage
+## 查询 Stage 中的 NDJSON 文件
 
 语法：
-
 ```sql
-SELECT [<alias>.]$1:<column> [, $1:<column> ...]
-FROM {@<stage_name>[/<path>] [<table_alias>] | '<uri>' [<table_alias>]}
-[(
+SELECT [<alias>.]$1:<column> [, $1:<column> ...] 
+FROM {@<stage_name>[/<path>] [<table_alias>] | '<uri>' [<table_alias>]} 
+[( 
   [<connection_parameters>],
   [ PATTERN => '<regex_pattern>'],
   [ FILE_FORMAT => 'NDJSON| <custom_format_name>'],
   [ FILES => ( '<file_name>' [ , '<file_name>' ] [ , ... ] ) ]
 )]
 ```
 
+
 :::info Tips
 NDJSON 是整行的变体，列是 `$1:<column> [, $1:<column> ...]`。
 :::
 
-## Tutorial
-
-### Step 1. Create an External Stage
+## 教程
 
-使用您自己的 S3 存储桶和凭据创建一个外部 Stage，用于存储您的 NDJSON 文件。
+### 步骤 1. 创建外部 Stage
 
+使用您自己的 S3 bucket 和凭据创建一个外部 Stage，用于存储您的 NDJSON 文件。
 ```sql
-CREATE STAGE ndjson_query_stage
-URL = 's3://load/ndjson/'
+CREATE STAGE ndjson_query_stage 
+URL = 's3://load/ndjson/' 
 CONNECTION = (
-    ACCESS_KEY_ID = '<your-access-key-id>'
+    ACCESS_KEY_ID = '<your-access-key-id>' 
     SECRET_ACCESS_KEY = '<your-secret-access-key>'
 );
 ```
 
-### Step 2. Create Custom NDJSON File Format
+### 步骤 2. 创建自定义 NDJSON 文件格式
 
 ```sql
-CREATE FILE FORMAT ndjson_query_format
+CREATE FILE FORMAT ndjson_query_format 
     TYPE = NDJSON,
     COMPRESSION = AUTO;
 ```
 
-- 更多 NDJSON 文件格式选项请参考 [NDJSON File Format Options](/sql/sql-reference/file-format-options#ndjson-options)
+- 更多 NDJSON 文件格式选项请参考 [NDJSON 文件格式选项](/sql/sql-reference/file-format-options#ndjson-options)
 
-### Step 3. Query NDJSON Files
+### 步骤 3. 查询 NDJSON 文件
 
 ```sql
 SELECT $1:title, $1:author
@@ -68,3 +67,18 @@ FROM @ndjson_query_stage
     PATTERN => '.*[.]ndjson[.]gz'
 );
 ```
+### 使用元数据查询
+
+直接从 Stage 查询 NDJSON 文件，包括元数据列，如 `metadata$filename` 和 `metadata$file_row_number`：
+
+```sql
+SELECT
+    metadata$filename AS file,
+    metadata$file_row_number AS row,
+    $1:title, $1:author
+FROM @ndjson_query_stage
+(
+    FILE_FORMAT => 'ndjson_query_format',
+    PATTERN => '.*[.]ndjson'
+);
+```
diff --git a/docs/cn/guides/40-load-data/04-transform/03-querying-orc.md b/docs/cn/guides/40-load-data/04-transform/03-querying-orc.md
@@ -1,5 +1,5 @@
 ---
-title: 查询 Stage 中的 Staged ORC 文件
+title: 查询 Stage 中 Staged ORC 文件
 sidebar_label: ORC
 ---
 import StepsWrap from '@site/src/components/StepsWrap';
@@ -8,9 +8,9 @@ import StepContent from '@site/src/components/Steps/step-content';
 ## 语法
 
 ```sql
-SELECT [<alias>.]<column> [, <column> ...] | [<alias>.]$<col_position> [, $<col_position> ...] 
-FROM {@<stage_name>[/<path>] [<table_alias>] | '<uri>' [<table_alias>]} 
-[( 
+SELECT [<alias>.]<column> [, <column> ...] | [<alias>.]$<col_position> [, $<col_position> ...]
+FROM {@<stage_name>[/<path>] [<table_alias>] | '<uri>' [<table_alias>]}
+[(
   [<connection_parameters>],
   [ PATTERN => '<regex_pattern>'],
   [ FILE_FORMAT => 'ORC | <custom_format_name>'],
@@ -20,26 +20,26 @@ FROM {@<stage_name>[/<path>] [<table_alias>] | '<uri>' [<table_alias>]}
 
 ## 教程
 
-在本教程中，我们将引导您完成以下过程：下载 ORC 格式的 Iris 数据集，将其上传到 Amazon S3 存储桶，创建外部 Stage，以及直接从 ORC 文件查询数据。
+在本教程中，我们将引导您完成以下过程：下载 ORC 格式的 Iris 数据集，将其上传到 Amazon S3 bucket，创建一个外部 Stage，并直接从 ORC 文件查询数据。
 
 <StepsWrap>
 <StepContent number="1">
 
 ### 下载 Iris 数据集
 
-从 https://github.com/tensorflow/io/raw/master/tests/test_orc/iris.orc 下载 iris 数据集，然后将其上传到您的 Amazon S3 存储桶。
+从 https://github.com/tensorflow/io/raw/master/tests/test_orc/iris.orc 下载 iris 数据集，然后将其上传到您的 Amazon S3 bucket。
 
-iris 数据集包含 3 个类别，每个类别包含 50 个实例，其中每个类别都指的是一种鸢尾植物。它有 4 个属性：（1）萼片长度，（2）萼片宽度，（3）花瓣长度，（4）花瓣宽度，最后一列包含类别标签。
+iris 数据集包含 3 个类别，每个类别包含 50 个实例，其中每个类别都指一种鸢尾植物。它有 4 个属性：（1）萼片长度，（2）萼片宽度，（3）花瓣长度，（4）花瓣宽度，最后一列包含类别标签。
 
 </StepContent>
 <StepContent number="2">
 
 ### 创建外部 Stage
 
-使用存储 iris 数据集文件的 Amazon S3 存储桶创建一个外部 Stage。
+使用存储 iris 数据集文件的 Amazon S3 bucket 创建一个外部 Stage。
 
 ```sql
-CREATE STAGE orc_query_stage 
+CREATE STAGE orc_query_stage
     URL = 's3://databend-doc'
     CONNECTION = (
         AWS_KEY_ID = '<your-key-id>',
@@ -69,7 +69,7 @@ FROM @orc_query_stage
 └──────────────────────────────────────────────────────────────────────────────────────────────────┘
 ```
 
-您也可以直接查询远程 ORC 文件：
+您还可以直接查询远程 ORC 文件：
 
 ```sql
 SELECT
@@ -79,4 +79,23 @@ FROM
 ```
 
 </StepContent>
-</StepsWrap>
+<StepContent number="4">
+
+### 使用元数据查询
+
+直接从 Stage 查询 ORC 文件，包括元数据列，如 `metadata$filename` 和 `metadata$file_row_number`：
+
+```sql
+SELECT
+    metadata$filename AS file,
+    metadata$file_row_number AS row,
+    *
+FROM @orc_query_stage
+(
+    FILE_FORMAT => 'orc',
+    PATTERN => '.*[.]orc'
+);
+```
+
+</StepContent>
+</StepsWrap>
diff --git a/docs/cn/guides/40-load-data/04-transform/04-querying-avro.md b/docs/cn/guides/40-load-data/04-transform/04-querying-avro.md
@@ -18,12 +18,12 @@ FROM {@<stage_name>[/<path>] [<table_alias>] | '<uri>' [<table_alias>]}
 ```
 
 :::info Tips
-可以使用 `$1:<column>` 直接将 Avro 文件作为 variant 查询。
+可以使用 `$1:<column>` 直接将 Avro 文件作为 variants 查询。
 :::
 
 ## Avro 查询功能概述
 
-Databend 提供对直接从 stage 查询 Avro 文件的全面支持。这允许灵活的数据探索和转换，而无需先将数据加载到表中。
+Databend 提供了全面的支持，可以直接从 stages 查询 Avro 文件。这允许灵活的数据探索和转换，而无需先将数据加载到表中。
 
 *   **Variant 表示**: Avro 文件中的每一行都被视为一个 variant，由 `$1` 引用。这允许灵活访问 Avro 数据中的嵌套结构。
 *   **类型映射**: 每个 Avro 类型都映射到 Databend 中相应的 variant 类型。
@@ -33,9 +33,9 @@ Databend 提供对直接从 stage 查询 Avro 文件的全面支持。这允许
 
 本教程演示如何查询存储在 stage 中的 Avro 文件。
 
-### 步骤 1. 准备 Avro 文件
+### 步骤 1. 准备一个 Avro 文件
 
-考虑一个具有以下名为 `user` 的 schema 的 Avro 文件：
+考虑一个具有以下 schema 的 Avro 文件，命名为 `user`：
 
 ```json
 {
@@ -54,9 +54,9 @@ Databend 提供对直接从 stage 查询 Avro 文件的全面支持。这允许
 }
 ```
 
-### 步骤 2. 创建外部 Stage
+### 步骤 2. 创建一个外部 Stage
 
-使用您自己的 S3 bucket 和存储 Avro 文件的凭据创建一个外部 stage。
+使用您自己的 S3 bucket 和凭据创建一个外部 stage，用于存储您的 Avro 文件。
 
 ```sql
 CREATE STAGE avro_query_stage
@@ -84,7 +84,7 @@ FROM @avro_query_stage
 );
 ```
 
-#### 使用元数据查询
+### 查询元数据
 
 直接从 stage 查询 Avro 文件，包括元数据列，如 `metadata$filename` 和 `metadata$file_row_number`：
 
diff --git a/docs/cn/guides/40-load-data/04-transform/04-querying-metadata.md b/docs/cn/guides/40-load-data/04-transform/04-querying-metadata.md
diff --git a/docs/cn/guides/40-load-data/04-transform/05-data-load-transform.md b/docs/cn/guides/40-load-data/04-transform/05-data-load-transform.md
diff --git a/docs/cn/guides/40-load-data/04-transform/index.md b/docs/cn/guides/40-load-data/04-transform/index.md
