xml - Hadoop Hive XPaths仅返回阵列的一部分

Question

我正在使用Hadoop Hive并尝试处理XML文件。该文件如下所示:

<asds4_0:SASDS>
<stl15:GetRS>
    <stl15:RS>
        <stl15:ORES>
            <stl15:ORE>
                <stl15:AccF>
                    <stl15:Transaction>
                        <stl15:Status>Hold</stl15:Status>
                    </stl15:Transaction>
                </stl15:AccF>
            </stl15:ORE>
            <stl15:ORE>
                <stl15:AccF>
                    <stl15:Transaction>
                        <stl15:Status>Active</stl15:Status>
                    </stl15:Transaction>
                </stl15:AccF>
            </stl15:ORE>
        </stl15:ORES>
    </stl15:RS>
</stl15:GetRS>
</asds4_0:SASDS>

我用来检索状态的xpath是:

SELECT
Status
FROM scenario1
LATERAL VIEW explode(xpath(cast(body as string),"//*[local-name()='SASDS']//*[local-name()='GetRS']//*[local-name()='RS']//*[local-name()='ORES']//*[local-name()='ORE']//*[local-name()='AccF']//*[local-name()='Transaction']//*[local-name()='Status']/text()")) adTable as Status

该xpath返回 Activity 状态和保持状态。问题是我只想检索 Activity 状态。
我尝试使用类似[[local-name()='Status'] ='Active']的内容(如https://www.w3schools.com/xml/xpath_syntax.asp所示)，我仍然得到了Hold和Active这两个记录。

我不想在sql中使用WHERE Status ='Active'，因为当我将其与其他字段结合使用时，它不返回所需的行。

Answer 1

首先，是否有任何特定原因导致您使用类似

*[local-name()='SASDS']

到处都是？它等效于(但可读性较差)

*:SASDS

此外，您在各处都使用//*，它返回并搜索所有后代元素。但是给定您的XML结构，您通常只想访问直接子级，因此再次使用/搜索子级更加可读(且速度更快)。

因此，最好是:

*:SASDS/*:GetRS/*:RS/*:ORES/*:ORE/*:AccF/*:Transaction/*:Status[. = "Active"]/text()