在 Hive 中，有没有办法解析同一 XML 系列中同一标签的多次出现？

问题描述

在我的场景中，每个父家庭下都有一个“姓名”标签。父族重复，每个族内都有多个“值”标签。我的期望是解析每个 [Name,Value] 对并按行显示它们。

示例 XML 和预期输出如下所示：

<ParentArray>
    <ParentFieldArray>
        <Name>ABCD</Name>
        <Value>
            <string>111</string>
            <string>222</string>
            <string>333</string>
        </Value>
    </ParentFieldArray>
    <ParentFieldArray>
        <Name>EFGH</Name>
        <Value>
            <string>444</string>
            <string>555</string>
        </Value>
    </ParentFieldArray>
</ParentArray>

sql 查询的输出应该是：

Name         Value
ABCD         111
ABCD         222
ABCD         333
EFGH         444
EFGH         555

此处重复“ParentFieldArray”系列，其中“Value”标签的数量也因系列而异。

尝试查询：

select Name,Value from <table_name> -- "xmlinfo" field in this table includes the above XML content
LAteraL VIEW POSEXPLODE(XPATH(xmlinfo,'ParentArray/ParentFieldArray/Name/text()')) NM as Name_pos,Name
LAteraL VIEW POSEXPLODE(XPATH(xmlinfo,'ParentArray/ParentFieldArray/Value/string/text()')) VL as Value_pos,Value;

我尝试使用 LAteraL VIEW POSEXPLODE(XPATH(..)) 概念进行查询，但似乎不起作用。基本上我无法根据他们的位置为每个值映射正确的名称。这会导致交叉连接。

sql 中是否还有其他函数/概念可以获取如上所示的输出？

解决方法

获取名称并将其传递给第二个 XPATH 以仅过滤包含该名称的 ParentFieldArray。

演示：

with your_data as (
select  '<ParentArray>
    <ParentFieldArray>
        <Name>ABCD</Name>
        <Value>
            <string>111</string>
            <string>222</string>
            <string>333</string>
        </Value>
    </ParentFieldArray>
    <ParentFieldArray>
        <Name>EFGH</Name>
        <Value>
            <string>444</string>
            <string>555</string>
        </Value>
    </ParentFieldArray>
</ParentArray>' as xmlinfo
)

select name,value 
  from your_data d
       lateral view outer explode(XPATH(xmlinfo,'ParentArray/ParentFieldArray/Name/text()')) pf as  Name
       lateral view outer explode(XPATH(xmlinfo,concat('ParentArray/ParentFieldArray[Name="',pf.Name,'"]/Value/string/text()'))) vl as value

结果：

name    value
ABCD    111
ABCD    222
ABCD    333
EFGH    444
EFGH    555