Dela via

Funktionen from_xml

Gäller för:markerad ja Databricks SQL markerad ja Databricks Runtime 14.1 och senare

Viktigt!

Den här funktionen finns som allmänt tillgänglig förhandsversion.

Returnerar en struct eller ett variantvärde som parsas från xmlStr med hjälp av schema.

Syntax

from_xml(xmlStr, schema [, options])

Argumenten

  • xmlStr: Ett STRING uttryck som anger en enskild XML-post
  • schema: Ett STRING uttryck eller anrop av schema_of_xml funktionen.
  • options: En valfri MAP<STRING,STRING> literal som specificerar direktiv.

Retur

A STRUCT med fältnamn och typer som matchar schemadefinitionen, eller ett VARIANT värde om schemat är en enda Variant typ.

xmlStr bör vara välformulerad med avseende på schema och options. Om xmlStr inte kan parsas NULL returneras.

schema måste definieras som kommaavgränsade par av kolumnnamn och datatyper, som används till exempel i CREATE TABLE. I Databricks Runtime 16.4 och senare schema kan även definieras som en enda VARIANT typ.

options, om detta anges, kan vara något av följande:

  • excludeAttribute (standard false): Om du vill exkludera attribut i element.
  • mode (förvald PERMISSIVE): tillåter ett läge för att hantera skadade poster vid parsning.
    • PERMISSIVE: När den möter en skadad post placeras den felaktiga strängen i ett fält som konfigurerats av columnNameOfCorruptRecord, och felaktiga fält sätts till null. Om du vill behålla skadade poster kan du ange ett strängtypsfält med namnet columnNameOfCorruptRecord i ett användardefinierat schema. Om ett schema inte har fältet, så ignoreras skadade poster under parsning. När du härleder ett schema lägger det implicit till ett columnNameOfCorruptRecord fält i ett utdataschema.
    • FAILFAST: utlöser ett undantag när det möter skadade poster.
  • columnNameOfCorruptRecord (standardvärdet är det värde som anges i spark.sql.columnNameOfCorruptRecord): tillåter att döpa om det nya fältet när det har en felaktigt formaterad sträng som skapats av PERMISSIVE-läget. Detta åsidosätter spark.sql.columnNameOfCorruptRecord.
  • inferSchema (standard true): om true, försöker härleda en lämplig typ för varje resulterande attribut, till exempel en boolesk, numerisk eller datumtyp. Om falseär alla resulterande kolumner av strängtyp.
  • prefersDecimal (standard false): härleder alla flyttalsvärden som en decimaltyp. Om värdena inte får plats i decimaltecken, så härleds de som dubblar.
  • attributePrefix (standard _): Prefixet för attribut för att skilja attribut från element. Det här är prefixet för fältnamn. Kan vara en tom sträng.
  • valueTag (standard _VALUE): Taggen som används för teckendata i element som också har attribut eller underordnade element.
  • encoding (standard-UTF-8): avkodar XML-filerna efter den angivna kodningstypen.
  • ignoreSurroundingSpaces (standard true): Definierar om omgivande blanksteg från värden som läses ska hoppas över.
  • rowValidationXSDPath: Sökväg till en XSD-fil som används för att verifiera XML för varje rad individuellt. Rader som inte kan verifieras behandlas som parsningsfel som ovan. XSD påverkar inte det angivna eller härledda schemat på något annat sätt.
  • ignoreNamespace (standard false): Om trueignoreras namnrymdsprefix för XML-element och attribut. Taggar <abc:author> och <def:author> skulle till exempel behandlas som om båda bara är <author>. Observera att namnrymder inte kan ignoreras på elementet rowTag, bara dess underordnade. Observera att XML-parsning i allmänhet inte är namnområdesmedveten även om den är falsk.
  • timestampFormat (standard yyyy-MM-dd'T'HH:mm:ss[.SSS][XXX]): anger strängen som anger ett tidsstämpelformat. Anpassade datumformat följer formaten i Datetime-mönster. Detta gäller för tidsstämpeltypen.
  • timestampNTZFormat (standard yyyy-MM-dd'T'HH:mm:ss[.SSS]): anger strängen som anger en tidsstämpel utan tidszonsformat. Anpassade datumformat följer formaten i Datetime-mönster. Detta gäller för timestampNTZType-typen.
  • dateFormat (standard yyyy-MM-dd): anger strängen som anger ett datumformat. Anpassade datumformat följer formaten i Datetime-mönster. Detta gäller för datumtyp.
  • locale (standard är en-US): anger en språktagg i IETF BCP 47-format. Detta används till exempel vid parsning av datum och tidsstämplar.
  • nullValue (standard är null): Anger strängrepresentationen av ett null-värde.

Exempel

> SELECT from_xml('<p><a>1</a><b>0.8</b></p>', 'a INT, b DOUBLE');
 {"a":1,"b":0.8}

> SELECT from_xml('<p><time>26/08/2015</time></p>', 'time Timestamp', map('timestampFormat', 'dd/MM/yyyy'));
 { "time": "2015-08-26T00:00:00.000+0000"}

> SELECT from_xml('<p><teacher>Alice</teacher><student><name>Bob</name><rank>1</rank></student><student><name>Charlie</name><rank>2</rank></student></p>',
                  'STRUCT<teacher: STRING, student: ARRAY<STRUCT<name: STRING, rank: INT>>>');
 {"teacher":"Alice","student":[{"name":"Bob","rank":1},{"name":"Charlie","rank":2}]}

> SELECT from_xml('<p><a>1</a><b>0.8</b></p>', 'VARIANT');
 {"p":{"a":1,"b":0.8}}