SparkSQL中从XML字符串字段提取首个日期并合并的实现方案

你遇到的错误是因为**xpath()函数期望返回节点列表（NodeList），但你在XPath表达式里用concat返回了字符串，类型不匹配**。下面给你几种单条SQL语句的解决方案，适配常见的SQL引擎（比如Hive、Spark SQL）：

方法1：使用xpath_string提取单个文本后拼接（推荐） #

如果你的SQL引擎支持xpath_string函数（它会直接返回第一个匹配节点的文本内容，无需explode），可以直接分别提取日、月、年再拼接：

SELECT concat(
    -- 按你需要的格式拼接，这里用'-'分隔，可自行调整
    xpath_string(xml, '(//Day/text())[1]'),
    '-',
    xpath_string(xml, '(//Month/text())[1]'),
    '-',
    xpath_string(xml, '(//Year/text())[1]')
) AS first_date_str
FROM table_name;

方法2：从xpath返回的数组中取第一个元素拼接 #

如果没有xpath_string，可以利用xpath返回数组的特性，直接取数组的第一个元素（索引为0）：

SELECT concat(
    xpath(xml, '(//Day/text())[1]')[0],
    '-',
    xpath(xml, '(//Month/text())[1]')[0],
    '-',
    xpath(xml, '(//Year/text())[1]')[0]
) AS first_date_str
FROM table_name;

方法3：直接转换为日期类型 #

如果需要将拼接后的字符串转为日期类型，可以用to_date（或对应引擎的日期转换函数，比如date_parse）：

SELECT to_date(
    concat(
        -- 日期格式要和拼接顺序对应，这里用yyyy-MM-dd
        xpath_string(xml, '(//Year/text())[1]'),
        '-',
        xpath_string(xml, '(//Month/text())[1]'),
        '-',
        xpath_string(xml, '(//Day/text())[1]')
    ),
    'yyyy-MM-dd'
) AS first_date
FROM table_name;

错误原因说明 #

你之前尝试的concat写法混淆了SQL的concat函数和XPath的concat函数，而且xpath()函数要求传入的XPath表达式必须返回节点集合，而XPath的concat返回的是字符串，无法被转换为NodeList，所以才会抛出Can not convert #STRING to a NodeList的错误。

内容的提问来源于stack exchange，提问作者MLEN