获取正则表达式以解析表格列的xml格式数据

Posted 2023-03-22

【中文标题】获取正则表达式以解析表格列的xml格式数据

【英文标题】：Get regular expression to parse data in xml format of a table column

【发布时间】：2016-11-08 20:13:07

【问题描述】：

我有一个表，其中包含一个包含 xml 格式数据的列。 我想要做的是解析该列中的一些数据。 表格如下所示：

SalesID | SalesDetail 
--------|------------------ 
403958  | <SalesCode>4</SalesCode><SalesMessage>Same day shipping to customer in TX<SalesMessage>
453324  | <SalesCode>4</SalesCode><SalesMessage>Customer complained issues at check-out <SalesMessage>

有人可以指点使用 Impala 或 Hive 来解析 SalesCode 和 SalesMessage 的数据吗？

我尝试了多个正则表达式，但没有达到我想要的效果。任何帮助，将不胜感激！

【问题讨论】：

你能举一个你想要的预期结果的例子吗？

【参考方案1】：

您可以使用xpath_string 和xpath_int：

SELECT xpath_int (SalesDetail, 'SalesCode') as SalesCode,
       xpath_string (SalesDetail, 'SalesMessage') as SalesMessage FROM src;

【讨论】：

感谢 Alex 提供的重新格式化和解决方案提示！

@alibov 我重新尝试了你的建议，这绝对有帮助，但我现在遇到了另一个问题——SalesCode 返回的值都是 0，而 SalesMessage 返回空字符串。有什么想法吗？谢谢！

您拥有的确切数据是什么？我刚刚测试了一些查询，似乎需要一个封装元素。在这种情况下，它必须出现在 xpath 中：elem/SalesCode