SQL解析含HTML表格的数据列问题求助

我明白你现在的困境——把HTML转成XML这步走通了，但提取单元格内容时总是失败，还要处理500万行数据里1-8行的表格内容，最终规整到目标表中。下面一步步给你解决：

为什么你的初始查询失败？ #

你用的xmlCode.value('(*/td)[1]', 'nvarchar(max)')有两个核心问题：

• 路径匹配错误：<td>是嵌套在<tr>里面的，直接找*/td会匹配所有层级的td，但value()方法只会返回第一个匹配到的节点值，没法遍历所有表格行的td。
• 未拆分表格行：每个数据库行里的表格有1-8行<tr>，你需要先把这些行拆成单独的记录，才能逐个提取单元格内容。

完整解决方案代码 #

步骤1：将HTML转为XML临时表（你已完成，这里再确认） #

SELECT CAST(htmlCell AS xml) AS XMLcode INTO #TMP FROM SrcTable;

注意：如果后续遇到HTML格式不规范导致CAST失败的情况，可以先做简单清理（比如闭合未结束的标签），不过你说这一步可行，就跳过清理步骤。

步骤2：拆分表格行并提取单元格内容 #

用CROSS APPLY结合nodes()方法拆分每个<tr>节点，提取每个tr下的三个td值，最后把后两列转为行插入目标表：

WITH ParsedTableRows AS (
    SELECT
        -- 提取每个<tr>下的三个td文本内容
        tr.value('(td/text())[1]', 'nvarchar(max)') AS ParamName,
        tr.value('(td/text())[2]', 'nvarchar(max)') AS Column2Value,
        tr.value('(td/text())[3]', 'nvarchar(max)') AS Column3Value
    FROM #TMP
    -- 定位到XML中所有层级的<tr>节点
    CROSS APPLY XMLcode.nodes('//tr') AS TableRows(tr)
)
-- 将后两列转为独立行，插入目标表
INSERT INTO TargetTable (ParamName, StringValue)
SELECT
    ParamName,
    UnpivotedValue AS StringValue
FROM ParsedTableRows
UNPIVOT (
    UnpivotedValue FOR Columns IN (Column2Value, Column3Value)
) AS UnpivotResult;

额外需求：获取列索引 #

如果你需要记录每个值对应的是表格第2列还是第3列，可以修改插入语句添加索引字段：

INSERT INTO TargetTable (ParamName, StringValue, ColumnIndex)
SELECT
    ParamName,
    UnpivotedValue AS StringValue,
    CASE Columns
        WHEN 'Column2Value' THEN 2
        WHEN 'Column3Value' THEN 3
    END AS ColumnIndex
FROM ParsedTableRows
UNPIVOT (
    UnpivotedValue FOR Columns IN (Column2Value, Column3Value)
) AS UnpivotResult;

性能优化建议（针对500万行数据） #

• 给临时表#TMP的XMLcode列创建主XML索引，大幅提升XML查询速度：

  CREATE PRIMARY XML INDEX IX_XMLcode ON #TMP(XMLcode);
  

• 若不需要保留临时表，建议直接嵌套转换，避免临时表的IO开销：

  WITH ParsedTableRows AS (
      SELECT
          tr.value('(td/text())[1]', 'nvarchar(max)') AS ParamName,
          tr.value('(td/text())[2]', 'nvarchar(max)') AS Column2Value,
          tr.value('(td/text())[3]', 'nvarchar(max)') AS Column3Value
      FROM SrcTable
      CROSS APPLY CAST(htmlCell AS xml).nodes('//tr') AS TableRows(tr)
  )
  INSERT INTO TargetTable (ParamName, StringValue)
  SELECT ParamName, UnpivotedValue
  FROM ParsedTableRows
  UNPIVOT (UnpivotedValue FOR Columns IN (Column2Value, Column3Value)) AS UnpivotResult;
  

内容的提问来源于stack exchange，提问作者Oak_3260548