Question

我有一个xml文档如下：

<note>
   <to>Tove</to>
   <from>Jani</from>
   <heading>Reminder</heading>
   <body>Don't forget me this weekend!</body>
</note>

在配置单元中，我可以使用xpath使用以下命令检索XML文档中每个节点的文本：

select xpath(xml_text,'//*[name()='note']//text()') from table_test;

但是，我无法弄清楚在Hive上使用哪个XPATH命令来检索文本的XML节点名称对于上面的例子，我希望能够返回 ["to","from","heading","body"]，表示XML文件中令牌的XML节点。任何帮助表示赞赏。

Answer 1

通常，您只能使用xpath来获取文本或元素属性 - 而不是节点名称。

因此，有两个选项：您可以编写（或在线查找）自定义UDF，它返回给定xpath的节点名称。

或者，你可以使用这个黑客：

select xpath(regexp_replace(xml_text,'<([\\w]+),'<$1 nodename=\'$1\' '),note/*/@nodename)

说明：它将nodename属性添加到任何xml元素。（<to> -> <to nodename='to'>）它也可能会在某些文字中添加它，但由于您只提取nodename属性 - 它不应该重要。

顺便说一下，您可以将文本查询重写为：

select xpath(xml_text,'note/*/text()') from table_test;