hadoop - 我使用的是Pig版本.8，如何使用XPath()提取xml的特定元素？我尝试了多种方法，但没有成功。请提出建议

Question

<CATALOG>
<BOOK>
<TITLE>Hadoop Defnitive Guide</TITLE>
<AUTHOR>Tom White</AUTHOR>
<COUNTRY>US</COUNTRY>
<COMPANY>CLOUDERA</COMPANY>
<PRICE>24.90</PRICE>
<YEAR>2012</YEAR>
</BOOK>
</CATALOG>

这是我正在使用的xml。

我只想提取TITLE和COMPANY元素。有没有办法使用Regex或XPath()来提取它们？

Answer 1

您需要做的第一件事是格式化XML，如下所示:

    <CATALOG> 
      <BOOK> 
        <TITLE>Hadoop Defnitive Guide</TITLE>  
        <AUTHOR>Tom White</AUTHOR>  
        <COUNTRY>US</COUNTRY>  
        <COMPANY>CLOUDERA</COMPANY>  
        <PRICE>24.90</PRICE>  
        <YEAR>2012</YEAR> 
      </BOOK> 
    </CATALOG>

然后，您可以像这样提取这些元素:

/CATALOG/BOOK/*[self::title or self::company]

有关轴的更多信息，请参见: http://www.w3schools.com/xsl/xpath_axes.asp