如何用PDI或Apache HOP将带元列的XML转换为CSV？

核心思路 #

这种XML的特点是元数据与数据分离：<metadata>节点定义列名，<data>下的<row>用无命名的<field>按顺序对应列值，所以需要先提取列名，再将数据字段与列名逐一关联。

具体操作步骤（PDI/HOP通用） #

1. 读取XML中的数据行 #

使用XML Input组件，配置要点：

• 文件/URL：选择目标XML文件
• 循环XPath：设置为/response/results/data/row，用于遍历每一行数据
• 字段配置：添加一个字段（比如命名为field_list），XPath设为field，勾选「将结果作为列表返回」，这样每行的所有<field>值会被打包成字符串列表（示例：["ACME-ITEM-01", "ACME"]）

2. 提取元数据中的列名 #

再添加一个XML Input组件，专门读取列名：

• 文件/URL：选择同一个XML文件
• 循环XPath：设置为/response/results/metadata/column
• 字段配置：添加字段column_name，XPath设为@name，提取每个列的名称
• 用Group by组件将所有列名合并为一个逗号分隔的字符串，存入变量（比如column_names），或者生成仅含列名的数据集

3. 关联列名与数据字段 #

推荐用Script Values组件（选择JavaScript）实现动态列映射，代码示例：

// 获取列名列表和数据字段列表
var colNames = getVariable("column_names").split(",");
var fieldValues = field_list;

// 为每个列名赋值对应的字段值
for(var i = 0; i < colNames.length; i++) {
    setValue(colNames[i], fieldValues[i]);
}

如果不想用脚本，也可以按以下步骤操作：

• 用Split Fields to Rows将field_list拆分为单行数据
• 用Add Sequence给每行添加序号
• 对列名数据集执行同样的拆分+加序号操作
• 用Merge Join按序号关联列名与字段值
• 用Pivot组件将行数据转回列结构

4. 输出为CSV文件 #

使用Text File Output组件，配置输出路径与文件名，选择CSV格式，组件会自动映射生成的列，直接输出即可。

注意事项 #

• 确保<metadata>中的列数量与<row>内的<field>数量完全匹配，避免数据错位
• 多<row>场景下，XML Input的循环XPath会自动遍历所有行，无需额外配置
• HOP的组件名称与PDI基本一致，操作逻辑完全通用

内容的提问来源于stack exchange，提问作者Max B