在 Hive 上使用 XPATH 获取 XML 节点的名称答案

【问题标题】：Get the names of XML nodes using XPATH on Hive在 Hive 上使用 XPATH 获取 XML 节点的名称
【发布时间】：2016-11-09 14:59:50
【问题描述】：

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 hive 上，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，我无法确定在 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 文件中标记的 XML 节点。任何帮助表示赞赏。

【问题讨论】：

【解决方案1】：

一般来说，您只能使用xpath 来获取文本或元素属性——而不是节点的名称。

因此，有两种选择：您可以编写（或在线查找）自定义 UDF，该 UDF 返回给定 xpath 的节点名称。

或者，你可以使用这个技巧：

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'>) 它也可以将它添加到一些文本中，但是由于您只提取了nodename 属性 - 这应该没关系。

顺便说一句，您可以将文本查询重写为：

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

【讨论】：

谢谢 Alex，对自定义 UDF 有什么建议吗？
@DonGorgon 您可以使用original hive xpath UDF 并将第83 行从getNodeValue() 更改为getNodeName()。也许添加一些测试以确保节点是一个元素
感谢您的建议。那肯定行得通。