文章目录
一. 问题描述二. 解决方案2.1 官方文档2.2 XML格式不规范
一. 问题描述
今天接到一个新需求,hive表里面有个字段存储的是XML类型数据
数据格式:
bb
二. 解决方案
2.1 官方文档
遇到不懂的问题,首先上官方文档查询相关文档,然后照着官网的demo改改,一般就能解决问题了
官方文档地址: https://cwiki.apache.org/confluence/display/Hive/LanguageManual+XPathUDF 丰富的XML相关函数及测试用例
代码:
-- 求路径 a/b下面的值
SELECT xpath_string ('bb
测试记录:
hive>
> SELECT xpath_string ('bb
OK
bb
Time taken: 1.477 seconds, Fetched: 1 row(s)
hive>
2.2 XML格式不规范
因为Hive不支持XML数据格式,后端写入数据库存的是一个String类型,此时格式就没那么规范了,会有一些特殊字符
解析xml报错,原来是有特殊字符 https://stackoverflow.com/questions/730133/what-are-invalid-characters-in-xml
xml不符合规范的字符 https://blog.csdn.net/u014589856/article/details/107151252
通过正则表达式删除特殊字符:
下面几个是常用的特殊字符
@&$#%
regexp_replace(the_gifts,'[@&$#%]','')
只保留 大小写字母 数字 及中文 以及 xml标签
regexp_replace(the_gifts,'(^[a-z]+|[A-Z]+|[0-9]+|[\\u4E00-\\u9FA5]+[>])','')
相关文章
大家都在找:
大数据:大数据与会计
Hive:hive和Hadoop的关系
xml:电子发票xml怎么下载
发表评论