Hadoop - 使用 XPath 在 XML 节点上的 PIG 循环

Posted 2023-04-18

【中文标题】Hadoop - 使用 XPath 在 XML 节点上的 PIG 循环

【英文标题】：Hadoop - PIG loop on XML nodes using XPath

【发布时间】：2015-10-02 18:14:27

【问题描述】：

我有一个 XML 文件

<Superfoo>
<foo>
    <Number>1</Number>  
    <childfoo>20</childfoo>
</foo>
<foo>
    <Number>2</Number>  
    <childfoo>10</childfoo>
</foo>
<foo>
    <Number>3</Number>  
    <childfoo>29</childfoo>
</foo>
</Superfoo>

我的要求是在节点上循环。我不想对它们进行硬编码，因为它可以从一个 XML 到另一个 XML 有所不同。我们有什么方法可以使用 PIG XPath 实现它。

A =  LOAD 'foo.xml' using org.apache.pig.piggybank.storage.XMLLoader('Superfoo') as (x:chararray);

B = FOREACH A GENERATE XPath(x, 'Superfoo/foo/Number'), XPath(x, 'Superfoo/foo/childfoo');
dump B;

我尝试使用上面的代码，但它只返回 1 行，但使用 Foreach 它应该返回节点的所有行。

我们是否可以通过 Hive 使用循环来做到这一点？对我来说似乎很难......

任何指针????

谢谢。

【参考方案1】：

如下修改您的代码。

A =  LOAD 'foo.xml' using org.apache.pig.piggybank.storage.XMLLoader('foo') as (x:chararray);

B = FOREACH A GENERATE XPath(x, 'foo/Number'), XPath(x, 'foo/childfoo');

dump B;

Dump B 将产生如下输出：

(1,20)

(2,10)

(3,29)

【讨论】：

对***.com/questions/32921201/…的任何建议