获取空值，同时使用 Pig 解析 XML答案

【问题标题】：Getting empty values, while parsing XML using Pig获取空值，同时使用 Pig 解析 XML
【发布时间】：2015-12-03 18:21:16
【问题描述】：

我有一个如下所示的 XML 文件。我正在使用XMLLOader 加载 XML。它工作正常。但是，在获取值时，它会给出空值：

<mfh>
    <f></f>
    <sn>***</sn>
    <st>****</st>
    <vnr>****</vnr>
    <cb>***</cb>
</mfh>
<md>
    <nei>
        <ne>***</ne>
        <k>***</k>
        <n>***</n>
    </nei>
    <mi>
        <mts>**</mts>
        <g>**</g>
        <mv>
            <m>***</m>
        </mv>
    </mi>
   .....
   .....
</md>

我的猪脚本如下：

REGISTER '/usr/lib/pig/piggybank.jar'
a = load '/user/root/sample.xml' using org.apache.pig.piggybank.storage.XMLLoader('mfh') as (doc:chararray);
dump input_xml;
b = foreach input_xml generate FLATTEN(REGEX_EXTRACT_ALL(doc,'<mfh>\\s*<ffv>(.*)</ffv>\\s*</mfh'));
dump required_tags;

脚本的输出如下：

它没有给出任何错误，但输出是 ()。我已经更新了 XML 文件，我想解析所有的值。

【问题讨论】：

标签： apache-pig

【解决方案1】：

你可以试试这个吗？

按照您的示例打印“ffv”属性的值：

 required_tags = foreach input_xml generate FLATTEN(REGEX_EXTRACT_ALL(doc,'<mfh>\\s+<ffv>(.*)</ffv>.*'));

打印ffv,sn,st,vn,cbt的所有值：

   required_tags = foreach input_xml generate FLATTEN(REGEX_EXTRACT_ALL(doc,'<mfh>\\s+<ffv>(.*)</ffv>\\s+<sn>(.*)</sn>\\s+<st>(.*)</st>\\s+<vn>(.*)</vn>\\s+<cbt>(.*)</cbt>\\s+</mfh>'));

【讨论】：

第二个正在打印所有值，但第一个无法获取单个值
对我来说它工作正常。可以粘贴 input_xml 的转储吗？
上述 xml 不是完整的 xml 文件，它有很多其他标签。当我将上述内容复制到单独的 xml 中时，我可以使用您的第二个解决方案获取值。但是当我我试图从完整的 xml 中获取它不起作用。
一般不推荐使用Regex解析xml文件。一种解决方法是您可以使用任何在线转换器将您的 xml 文件转换为 json，并使用大象加载器加载 json 文件。这将为检索键/值对中的所有字段提供很大的灵活性。我并不是说这是最好的解决方案，但与为 xml 编写复杂的正则表达式相比，这会好得多。

【解决方案2】：

你可以这样做

required_tags = foreach input_xml 生成 FLATTEN(REGEX_EXTRACT_ALL(doc,'\s*(.)\s(.)\s(.)\s (.)\s(.*)')) AS (ffv,sn,st,vn,cbt); 转储 required_tags;

【讨论】：