共用方式為

from_xml函式

  • 發行項

適用於：核取記號為「是」 Databricks SQL 核取記號為「是」 Databricks Runtime 14.1 和更新版本

重要

這項功能處於公開預覽狀態。

傳回使用 xmlStr 解析出來的結構值 schema。

語法

from_xml(xmlStr, schema [, options])

引數

  • xmlStr STRING：指定單一 XML 記錄的表達式
  • schema STRING：schema_of_xml函式的表達式或調用。
  • options：指定指示詞的選擇性常 MAP<STRING,STRING> 值。

傳回

具有符合 schema 定義之功能變數名稱和型別的 STRUCT。

xmlStr應該在和schema方面options形成良好的格式。 如果 xmlStr 無法剖 NULL 析，則會傳回 。

schema 必須被定義為以逗號分隔的 column 名稱及其資料類型對，例如在 CREATE TABLE中使用的。

options如果提供，可以是下列任一項：

  • excludeAttribute （預設值 false）：是否要排除元素中的屬性。
  • mode （預設值 PERMISSIVE）：允許在剖析期間處理損毀記錄的模式。
    • PERMISSIVE：當它符合損毀的記錄時，會將格式錯誤的字串放入 所設定 columnNameOfCorruptRecord的欄位中，並將格式不正確的欄位設定為 null。 若要保留損毀的記錄，您可以在使用者定義的 schema中 set 名為 columnNameOfCorruptRecord 的字串類型字段。 如果 schema 沒有該欄位，則會在剖析期間移除腐敗的記錄。 在推斷 schema時，它會隱含地在輸出 schema中加入 columnNameOfCorruptRecord 字段。
    • FAILFAST：當它符合損毀的記錄時，會擲回例外狀況。
  • columnNameOfCorruptRecord （預設值為 spark.sql.columnNameOfCorruptRecord中指定的值）：允許重新命名 PERMISSIVE 模式所建立格式錯誤的字串 having 新的字段。 這會覆寫 spark.sql.columnNameOfCorruptRecord。
  • inferSchema （預設值 true）：如果 true為 ，則嘗試推斷每個結果屬性的適當類型，例如布爾值、數值或日期類型。 如果 false，則所有產生的 columns 都是字串類型。
  • prefersDecimal （預設 false）：將所有浮點 values 推斷為十進位類型。 如果 values 不符合小數點，則會將其推斷為雙精度浮點數。
  • attributePrefix （預設值 _）：屬性的前置詞，用來區分屬性與元素。 這將是欄位名稱的前置詞。 可以是空字串。
  • valueTag （預設值 _VALUE）：用於元素內也具有 attribute（s） 或子元素（s） 元素之字元數據的標記。
  • encoding （預設 UTF-8）：依指定的編碼類型譯碼 XML 檔案。
  • ignoreSurroundingSpaces （預設 true）：定義在讀取 values 時是否應略過其周圍的空白字符。
  • rowValidationXSDPath：XSD 檔案的路徑，用來個別驗證每個數據列的 XML。 無法驗證的資料列視為上述剖析錯誤。 除非另有影響，XSD 不會影響提供的 schema 或推斷的結果。
  • ignoreNamespace （預設值 false）：如果 true為 ，則會忽略 XML 元素和屬性上的命名空間前置詞。 例如，標記 <abc:author> 和 <def:author> 會被視為兩者都只是 <author>。 請注意，元素上 rowTag 不能忽略命名空間，只有其子系。 請注意，XML 剖析通常不是命名空間感知，即使為 false 也一樣。
  • timestampFormat （預設值 yyyy-MM-dd'T'HH:mm:ss[.SSS][XXX]）：設定表示時間戳格式的字串。 自訂日期格式會遵循 Datetime 模式的格式。 這適用於時間戳類型。
  • timestampNTZFormat （預設 yyyy-MM-dd'T'HH:mm:ss[.SSS]）：設定字串，指出不含 timezone 格式的時間戳。 自訂日期格式會遵循 Datetime 模式的格式。 這適用於 TimestampNTZType 類型。
  • dateFormat （預設值 yyyy-MM-dd）：設定表示日期格式的字串。 自訂日期格式會遵循 Datetime 模式的格式。 這適用於日期類型。
  • locale （預設值為 en-US）：以IETF BCP 47 格式設定地區設定為語言標記。 例如，這是在剖析日期和時間戳時使用。
  • nullValue （預設值為 null）：設定 Null 值的字串表示。

範例

> 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}]}