使用 SQL 检索 XML 属性值

Question

假设我有一个包含相应 XML 元数据文件的文档，如下所示。此 XML 文件包含与文档有关的索引字段：

<Document>
    <Indices>
        <IndexField>
            <indexName>DOCID</indexName>
            <indexValue>49626502</indexValue>
        </IndexField>
        <IndexField>
            <indexName>EMPLOYEEID</indexName>
            <indexValue>248572405</indexValue>
        </IndexField>
        <IndexField>
            <indexName>LASTNAME</indexName>
            <indexValue>BROWN</indexValue>
        </IndexField>
        <IndexField>
            <indexName>FIRSTNAME</indexName>
            <indexValue>RALPH</indexValue>
        </IndexField>
        <IndexField>
            <indexName>CITY</indexName>
            <indexValue>PORTLAND</indexValue>
        </IndexField>
        <IndexField>
            <indexName>STATE</indexName>
            <indexValue>OR</indexValue>
        </IndexField>
    </Indices>
</Document>

我已将 XML 文件加载到一个 SQL 表中，然后我将在其中提取属性值并将它们加载到另一个表中。我有数千个这样的文件。生成元数据文件的方式，如果源系统没有填充字段，比如 CITY 或 STATE，则不会在文件中创建 XML 标记。我遇到的挑战是元数据文件缺乏一致性或一致性，因为一个可能比另一个具有更多的索引值（基于源系统中填充的内容与空白的内容）。

这是我如何提取属性以加载到不同的表中：

SELECT 

DOCID = CASE WHEN XMLDATA.exist('/Document/Indices/IndexField[indexName="DOCID"]') = 1 then XMLData.value('(//*[local-name()="indexValue"])[1]','varchar(max)') else NULL end,

EMPLOYEEID = CASE WHEN XMLDATA.exist('/Document/Indices/IndexField[indexName="EMPLOYEEID"]') = 1 then XMLData.value('(//*[local-name()="indexValue"])[2]','varchar(max)') else NULL end,

LASTNAME = CASE WHEN XMLDATA.exist('/Document/Indices/IndexField[indexName="LASTNAME"]') = 1 then XMLData.value('(//*[local-name()="indexValue"])[3]','varchar(max)') else NULL end,

FIRSTNAME = CASE WHEN XMLDATA.exist('/Document/Indices/IndexField[indexName="FIRSTNAME"]') = 1 then XMLData.value('(//*[local-name()="indexValue"])[4]','varchar(max)') else NULL end

对于每个字段，我首先运行它以确保它存在于 XML 文件中：

XMLDATA.exist('/Document/Indices/IndexField[indexName="DOCID"]') = 1

然后，我为 indexValue 拉一个位置值：

XMLData.value('(//*[local-name()="indexValue"])[1]','varchar(max)')

我遇到的问题是，如果文件中缺少 XML 标记，它会丢弃后续字段的位置 indexValue。

我的问题是 - 基于提供的 XML 格式，我如何推断给定 indexName 的 indexValue？

Answer 1

我的建议：old-fashionded-pivot 与GROUP BY 和MAX() 一起使用。缺失值将仅显示为 NULL。

CTE DervivedTable 将首先创建一个包含逐行数据的普通 表。剩下的就是pivot：

DECLARE @tbl TABLE(ID INT,XmlData XML);
INSERT INTO @tbl VALUES
(1,'<Document>
    <Indices>
        <IndexField>
            <indexName>DOCID</indexName>
            <indexValue>49626502</indexValue>
        </IndexField>
        <IndexField>
            <indexName>EMPLOYEEID</indexName>
            <indexValue>248572405</indexValue>
        </IndexField>
        <IndexField>
            <indexName>LASTNAME</indexName>
            <indexValue>BROWN</indexValue>
        </IndexField>
        <IndexField>
            <indexName>FIRSTNAME</indexName>
            <indexValue>RALPH</indexValue>
        </IndexField>
        <IndexField>
            <indexName>CITY</indexName>
            <indexValue>PORTLAND</indexValue>
        </IndexField>
        <IndexField>
            <indexName>STATE</indexName>
            <indexValue>OR</indexValue>
        </IndexField>
    </Indices>
</Document>')
,(2,'<Document>
    <Indices>
        <IndexField>
            <indexName>DOCID</indexName>
            <indexValue>2222 id</indexValue>
        </IndexField>
        <IndexField>
            <indexName>EMPLOYEEID</indexName>
            <indexValue>2222 emp</indexValue>
        </IndexField>
        <IndexField>
            <indexName>LASTNAME</indexName>
            <indexValue>222 last</indexValue>
        </IndexField>
        <IndexField>
            <indexName>FIRSTNAME</indexName>
            <indexValue>222 first</indexValue>
        </IndexField>
        <IndexField>
            <indexName>CITY</indexName>
            <indexValue>222 city</indexValue>
        </IndexField>
        <IndexField>
            <indexName>STATE</indexName>
            <indexValue>222 state</indexValue>
        </IndexField>
    </Indices>
</Document>');

--查询

WITH DerivedTable AS
(
    SELECT ID
          ,f.value('indexName[1]','nvarchar(max)') AS indexName
          ,f.value('indexValue[1]','nvarchar(max)') AS indexValue
    FROM @tbl AS tbl
    CROSS APPLY tbl.XmlData.nodes('/Document/Indices/IndexField') AS A(f)
)
SELECT ID 
      ,MAX(CASE WHEN indexName='DOCID' THEN indexValue END) AS DOCID
      ,MAX(CASE WHEN indexName='EMPLOYEEID' THEN indexValue END) AS EMPLOYEEID
      ,MAX(CASE WHEN indexName='LASTNAME' THEN indexValue END) AS LASTNAME
      ,MAX(CASE WHEN indexName='FIRSTNAME' THEN indexValue END) AS FIRSTNAME
      ,MAX(CASE WHEN indexName='CITY' THEN indexValue END) AS CITY
      ,MAX(CASE WHEN indexName='STATE' THEN indexValue END) AS [STATE]
FROM DerivedTable
GROUP BY ID

结果

+----+----------+------------+----------+-----------+----------+-----------+
| ID | DOCID    | EMPLOYEEID | LASTNAME | FIRSTNAME | CITY     | STATE     |
+----+----------+------------+----------+-----------+----------+-----------+
| 1  | 49626502 | 248572405  | BROWN    | RALPH     | PORTLAND | OR        |
+----+----------+------------+----------+-----------+----------+-----------+
| 2  | 2222 id  | 2222 emp   | 222 last | 222 first | 222 city | 222 state |
+----+----------+------------+----------+-----------+----------+-----------+

更新

普通的PIVOT你会达到同样的效果：

WITH DerivedTable AS
(
    SELECT ID
          ,f.value('indexName[1]','nvarchar(max)') AS indexName
          ,f.value('indexValue[1]','nvarchar(max)') AS indexValue
    FROM @tbl AS tbl
    CROSS APPLY tbl.XmlData.nodes('/Document/Indices/IndexField') AS A(f)
)
SELECT p.*
FROM
(
    SELECT * FROM DerivedTable
) AS tbl
PIVOT
(
    MAX(indexValue) FOR indexName IN(DOCID,EMPLOYEEID,LASTNAME,FIRSTNAME,CITY,STATE)
) AS p

Answer 2

找到具有所需indexName 值的IndexField 并提取其indexValue

declare @x xml = '<Document>
    <Indices>
        <IndexField>
            <indexName>DOCID</indexName>
            <indexValue>49626502</indexValue>
        </IndexField>
        <IndexField>
            <indexName>EMPLOYEEID</indexName>
            <indexValue>248572405</indexValue>
        </IndexField>
        <IndexField>
            <indexName>LASTNAME</indexName>
            <indexValue>BROWN</indexValue>
        </IndexField>
        <IndexField>
            <indexName>FIRSTNAME</indexName>
            <indexValue>RALPH</indexValue>
        </IndexField>
        <IndexField>
            <indexName>CITY</indexName>
            <indexValue>PORTLAND</indexValue>
        </IndexField>
        <IndexField>
            <indexName>STATE</indexName>
            <indexValue>OR</indexValue>
        </IndexField>
    </Indices>
</Document>';

select DOCID=@x.value('(//IndexField[indexName[1]="DOCID"]/indexValue)[1]','varchar(max)')
 , NOFIELD=@x.value('(//IndexField[indexName[1]="NOFIELD"]/indexValue)[1]','varchar(max)')
 --, ..