Question

我有一个xml文件。结构是

<ROW>
.....
<COLUMN NAME="CNAL"><![CDATA[R]]></COLUMN>
<COLUMN NAME="ID_STATUS"><![CDATA[9]]></COLUMN>
.....
</ROW>

当我尝试使用函数

解析此行时

select xpath(row, '/ROW/COLUMN[@NAME="ID_STATUS"]/text()');

我得到了

但是当我在创建表时尝试相同的路径时

create external table db.table(
...
, id_status string
...
)
ROW FORMAT SERDE 'com.ibm.spss.hive.serde2.xml.XmlSerDe'
WITH SERDEPROPERTIES (
...
  , "column.xpath.id_status"='/ROW/COLUMN[@NAME="ID_STATUS"]/text()'
...
)
STORED AS
INPUTFORMAT 'com.ibm.spss.hive.serde2.xml.XmlInputFormat'
OUTPUTFORMAT 'org.apache.hadoop.hive.ql.io.IgnoreKeyTextOutputFormat'
location '/storage/db/db/table'
TBLPROPERTIES (
  "xmlinput.start"="<ROW",
  "xmlinput.end"="</ROW>"
);

然后选择，我得到

<![CDATA[9]]>

为什么会这样，<![CDATA[]]>究竟是什么？在create期间如何摆脱它？ xml是从orale导出的。

Answer 1

CDATA是一种编写文字内容的方式，其中字符＆amp;通常具有特殊含义的＆lt;和＆lt ;,被解释为代表它们自己。如果你包裹一个像＆＃39; 9＆＃39;或者＆＃39; N＆＃39; （在CDATA部分没有特殊字符），CDATA部分没有意义，但仍然允许。

XPath规则说<x><![CDATA[NNN]]></x>与<x>NNN</x>完全等效（解析后）。 CDATA标记不应该影响XPath表达式的结果。但并非XML系列中的所有规范都同意：有些像DOM一样，即使在解析之后也会保留两种情况之间的区别。

现在，只要XPath表达式在两种情况下选择节点，对于显示XPath表达式结果的软件来说，对于这两种情况，以不同方式显示节点实际上并不是错误的。 XPath无法区分它们的事实并不意味着没有其他人可以。在您的情况下，差异不是选择节点，而是它们之后的显示方式。

xpath作为函数的不同结果和创建表时的xpath

1 个答案: