Apache NiFi中XML解析异常：subevent数组index字段为null的解决方法

问题核心在于XMLReader默认仅解析XML元素的文本内容，不会自动识别元素属性，因此index属性未被映射到Avro字段中，以下是具体解决步骤：

• 调整Avro Schema的属性映射规则
  必须在Avro Schema中为index字段添加xml.attribute注解，明确告知XMLReader该字段对应XML元素的属性。假设原XML结构如下：

  示例内容

  对应的Avro Schema示例：

  {
    "type": "record",
    "name": "SubeventRecord",
    "fields": [
      {
        "name": "item",
        "type": {
          "type": "record",
          "name": "ItemRecord",
          "fields": [
            {
              "name": "index",
              "type": "int",
              "xml.attribute": ""
            },
            {
              "name": "content",
              "type": "string",
              "xml.element": "text()"
            }
          ]
        }
      }
    ]
  }
  

  注解说明：xml.attribute为空字符串时，默认匹配与字段名同名的属性；若属性名和字段名不一致，可填写具体属性名（如xml.attribute="item-index"）。

• 检查XMLReader的基础配置

  • 确认Root Element设置正确，需指向包含subevent的顶层节点（若单独处理subevent节点，直接设为subevent即可）。
  • 若原XML带有命名空间，需在XMLReader的Namespaces配置项中添加对应的命名空间映射，否则属性无法被识别。

• 验证字段类型匹配
  确认Avro Schema中index字段的类型与XML属性的实际类型一致：若XML中index是数字，Schema用int/long；若是字符串则用string，类型不匹配会导致解析结果为null。

• 用小样本测试配置
  提取仅包含subevent和item节点的最小XML样本，单独通过ConvertRecord测试，排除其他节点干扰，确认配置生效后再处理完整数据。

内容的提问来源于stack exchange，提问作者Mark Avreliy