Hive中如何解析XML同一父节点下重复同标签并正确映射Name-Value对

问题根源定位 #

你之前的写法产生笛卡尔积的核心原因是：两个独立的XPATH提取逻辑是在整段XML的全局范围拉取数据：

• 第一次提取拿到全文档下所有Name值，组成列表[ABCD, EFGH]
• 第二次提取拿到全文档下所有Value值，组成列表[111, 222, 333, 444, 555]
  两个列表没有任何关联绑定关系，SQL引擎会自动做全量交叉连接，完全丢失了同一ParentFieldArray下的Name和Value配对的逻辑。
  就算用POSEXPLODE拿到每个元素的全局位置序号，也没法准确匹配归属——因为每个父节点下的Value数量不固定，位置偏移是动态变化的，根本没法靠全局位置判断每个Value属于哪个Name。

正确实现思路 #

把处理粒度从“全局所有元素”下沉到单个ParentFieldArray父节点单元，每个单元单独做内部的Name、Value配对，从根源上避免跨节点的交叉连接：

• 第一步：先把每个独立的ParentFieldArray节点从整段XML中拆成单独的行，每行存储该父节点的完整XML片段
• 第二步：对每个父节点片段，提取它内部唯一的Name值
• 第三步：对同一个父节点片段，炸开它内部所有的Value文本，和当前片段的Name值做绑定

可直接运行的SQL实现 #

SELECT 
  pf_name,
  pf_value
FROM table_name
-- 拆分每个独立ParentFieldArray节点为单独行
LATERAL VIEW EXPLODE(
  XPATH(xmlinfo, 'ParentArray/ParentFieldArray')
) AS t(parent_xml)
-- 提取当前父节点下唯一的Name值
LATERAL VIEW EXPLODE(
  ARRAY(XPATH_STRING(parent_xml, 'ParentFieldArray/Name/text()'))
) AS n(pf_name)
-- 炸开当前父节点下所有Value的string文本
LATERAL VIEW EXPLODE(
  XPATH(parent_xml, 'ParentFieldArray/Value/string/text()')
) AS v(pf_value)
;

实际输出效果 #

查询运行结果和预期完全一致：

这种写法不需要手动计算位置偏移，自动适配不同父节点下Value数量不固定的场景，完全不会产生笛卡尔积。

内容的提问来源于stack exchange，提问作者RKR