Pentaho Data Integration(Spoon)嵌套XML导入的循环XPath配置与关联输出问题

1. 前置修正XML语法问题 #

你提供的样例XML存在一处标签闭合错误，第二个sub_component节点缺失起始标签，会导致Spoon解析器识别失败，补全后的对应代码片段：

<main_component>
    <name>Fuel Tank</name>
    <ref_no>378927</ref_no>
    <oem>GM</oem>
    <sub_component>
        <name>Fuel Pump</name>
        <ref_no>27182A</ref_no>
        <oem>Lucus</oem>
    </sub_component>
    <sub_component>
        <name>Contents Unit</name>
        <ref_no>1219290</ref_no>
        <oem>Honeywell</oem>
    </sub_component>
</main_component>

2. 核心Loop XPath配置 #

之前主、子组件数据无法关联的问题，本质是循环上下文错位：

• 如果直接把Loop XPath设为/components/main_component/sub_component，解析器的循环上下文已经落在子组件节点上，完全无法访问上层主组件的属性
• 如果把Loop XPath设为最外层/components，解析器会把同一主组件下的所有子组件字段合并为一个拼接值，无法实现逐行拆分关联

正确的Loop XPath配置为：
/components/main_component
该配置会让解析器的循环上下文定位到每一个主组件节点，既可以直接读取主组件自身的属性，也可以关联到当前主组件下挂载的所有子组件节点。

3. 字段提取规则配置 #

在字段配置页，全部使用相对当前循环上下文的XPath路径，不要写绝对路径，字段配置规则如下：

• 主组件字段（避免字段名和子组件重复）：
  • 字段名：main_name，XPath：name，数据类型：String
  • 字段名：main_ref_no，XPath：ref_no，数据类型：String
  • 字段名：main_oem，XPath：oem，数据类型：String
• 子组件字段：
  • 字段名：sub_name，XPath：sub_component/name，数据类型：String
  • 字段名：sub_ref_no，XPath：sub_component/ref_no，数据类型：String
  • 字段名：sub_oem，XPath：sub_component/oem，数据类型：String

4. 输出效果校验 #

配置完成后运行转换，会自动生成符合要求的扁平化结果：

• 无下属子组件的主组件（Engine、Gearbox）会单独输出一行，对应的子组件字段值为null
• 带多个子组件的主组件（Fuel Tank）会自动按子组件数量拆分为多行，每行重复填充主组件的属性值，关联对应子组件的信息

注意：配置字段时不要使用页面上的「获取XML结构」自动识别功能，该功能会默认匹配第一个节点路径，容易把XPath写错，手动输入相对路径的匹配准确率更高。如果XML后续新增了命名空间，需要在XML输入步骤的「内容」标签页开启命名空间感知，配置对应前缀和URI的映射关系，否则会出现XPath匹配不到节点的问题。

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