SQL Server XML 数据类型的区别？

Question

我有一个将 XML 文档插入 SQL Server 2008 表的自动化过程，该列是 XML 类型的。有很多重复的数据，不知道有没有人可以推荐一种基于XML列删除不明确值的好方法？该表有数千行，每个 XML 文档大约 70k。

每个 XML 文档看起来都一样，除了一个元素值，例如：

第 1 行，C 列：

<?xml version="1.0"?><a><b/><c>2010.09.28T10:10:00</c></a>

第 2 行，C 列：

<?xml version="1.0"?><a><b/><c>2010.09.29T10:10:00</c></a>

我想假装 diff 的值被忽略了。如果其他一切都相同，那么我想认为这些文件是相同的。如果任何其他元素不同，则文档将被视为不同。

感谢所有想法。

Answer 1

您能说明“独特的 XML”对您意味着什么吗？例如有什么区别：

• <a><b/></a>
• <?xml version="1.0"?><a><b/></a>
• <a xmlns:xhtml="http://www.w3.org/1999/xhtml"><b/></a>
• <a><b xsi:nil="true" /></a>
• <a><b></b></a>
• <?xml version="1.0" encoding="UTF-8"?><a><b/></a>
• <?xml version="1.0" encoding="UTF-16"?><a><b></b></a>

在您看来，有多少“不同”的 XML？

更新

如果您的 XML 看起来像：<?xml version="1.0"?><a><b/><c>2010.09.29T10:10:00</c></a>，那么您可以投影区分字段的元素并在此投影上查询：

with cte_x as (
  select xmlcolumn.value(N'(//a/c)[1]', N'DATETIME') as xml_date_a_c,
   ...
  from table
),
cte_rank as (
  select row_number() over (partition by xml_date_a_c order by ...) as rn
  from cte_x)
delete from cte_rank
  where rn > 1;