要在Flink中讀取多個Kafka topic，可以使用Flink Kafka Consumer來實現。以下是一個示例代碼，演示如何讀取多個Kafka topic：

import org.apache.flink.api.common.serialization.SimpleStringSchema;
import org.apache.flink.streaming.api.datastream.DataStream;
import org.apache.flink.streaming.api.environment.StreamExecutionEnvironment;
import org.apache.flink.streaming.connectors.kafka.FlinkKafkaConsumer;

import java.util.Arrays;
import java.util.List;
import java.util.Properties;

public class ReadMultipleKafkaTopics {

    public static void main(String[] args) throws Exception {
        
        // 設置執行環境
        StreamExecutionEnvironment env = StreamExecutionEnvironment.getExecutionEnvironment();
        
        // 設置Kafka相關配置
        Properties properties = new Properties();
        properties.setProperty("bootstrap.servers", "localhost:9092");
        
        // 定義要讀取的Kafka topic列表
        List<String> topics = Arrays.asList("topic1", "topic2", "topic3");
        
        // 創建Flink Kafka Consumer
        FlinkKafkaConsumer<String> kafkaConsumer = new FlinkKafkaConsumer<>(topics, new SimpleStringSchema(), properties);
        
        // 從Kafka讀取數據
        DataStream<String> kafkaDataStream = env.addSource(kafkaConsumer);
        
        // 對從Kafka讀取的數據進行處理
        kafkaDataStream.print();
        
        // 執行作業
        env.execute("ReadMultipleKafkaTopics");
    }
}

在上面的代碼中，我們首先創建了一個Flink的執行環境（StreamExecutionEnvironment），然后設置了Kafka的相關配置，包括Kafka的地址和要讀取的Kafka topic列表。接著創建了一個Flink Kafka Consumer，并指定要讀取的topic列表、序列化方式（這里使用SimpleStringSchema）和Kafka的配置。最后通過env.addSource()方法將Kafka Consumer添加到Flink的執行環境中，并對從Kafka讀取的數據進行處理。最后調用env.execute()方法執行作業。

通過這種方式，我們可以輕松地在Flink中讀取多個Kafka topic，并對數據進行處理。