from_xml

Parseert een kolom met een XML-tekenreeks naar een rij met het opgegeven schema. Retourneert null, in het geval van een onparsbare tekenreeks.

Syntaxis

from pyspark.sql import functions as sf

sf.from_xml(col, schema, options=None)

Parameterwaarden

Kenmerk	Typologie	Description
col	pyspark.sql.Column of str	Een kolom- of kolomnaam in XML-indeling.
schema	StructType, pyspark.sql.Column of str	Een letterlijke tekenreeks StructType, Kolom of Python met een DDL-opgemaakte tekenreeks die moet worden gebruikt bij het parseren van de XML-kolom.
options	dicteren, optioneel	Opties voor het beheren van parseren. Accepteert dezelfde opties als de XML-gegevensbron.

Retouren

pyspark.sql.Column: een nieuwe kolom van een complex type van het opgegeven XML-object.

Voorbeelden

Voorbeeld 1: XML parseren met een tekenreeksschema met DDL-indeling

import pyspark.sql.functions as sf
data = [(1, '''<p><a>1</a></p>''')]
df = spark.createDataFrame(data, ("key", "value"))
# Define the schema using a DDL-formatted string
schema = "STRUCT<a: BIGINT>"
# Parse the XML column using the DDL-formatted schema
df.select(sf.from_xml(df.value, schema).alias("xml")).collect()

[Row(xml=Row(a=1))]

Voorbeeld 2: XML parseren met een StructType schema

import pyspark.sql.functions as sf
from pyspark.sql.types import StructType, LongType
data = [(1, '''<p><a>1</a></p>''')]
df = spark.createDataFrame(data, ("key", "value"))
schema = StructType().add("a", LongType())
df.select(sf.from_xml(df.value, schema)).show()

+---------------+
|from_xml(value)|
+---------------+
|            {1}|
+---------------+

Voorbeeld 3: XML parseren met ArrayType in schema

import pyspark.sql.functions as sf
data = [(1, '<p><a>1</a><a>2</a></p>')]
df = spark.createDataFrame(data, ("key", "value"))
# Define the schema with an Array type
schema = "STRUCT<a: ARRAY<BIGINT>>"
# Parse the XML column using the schema with an Array
df.select(sf.from_xml(df.value, schema).alias("xml")).collect()

[Row(xml=Row(a=[1, 2]))]

Voorbeeld 4: XML parseren met schema_of_xml

import pyspark.sql.functions as sf
# Sample data with an XML column
data = [(1, '<p><a>1</a><a>2</a></p>')]
df = spark.createDataFrame(data, ("key", "value"))
# Generate the schema from an example XML value
schema = sf.schema_of_xml(sf.lit(data[0][1]))
# Parse the XML column using the generated schema
df.select(sf.from_xml(df.value, schema).alias("xml")).collect()

[Row(xml=Row(a=[1, 2]))]