from_xml

Analisa uma coluna contendo strings XML e a converte em uma linha com o esquema especificado. Retorna null, no caso de strings não analisáveis.

Sintaxe

Python

from pyspark.sql import functions as sf

sf.from_xml(col, schema, options=None)

Parâmetros

Parâmetro	Tipo	Descrição
col	pyspark.sql.Column ou str	Uma coluna ou nome de coluna em formato XML.
schema	StructType, pyspark.sql.Column ou str	Um StructType, Column ou literal de strings Python com strings formatadas em DDL para usar ao analisar a coluna XML.
options	dicionário, opcional	Opções para controlar a análise sintática. Aceita as mesmas opções que a fonte de dados XML.

Devoluções

pyspark.sql.Column: uma nova coluna de tipo complexo a partir de um objeto XML fornecido.

Exemplos

Exemplo 1 : Analisando XML com um esquema de strings formatadas em DDL

Python

import pyspark.sql.functions as sf
data = [(1, '''<p><a>1</a></p>''')]
df = spark.createDataFrame(data, ("key", "value"))
# Define the schema using a DDL-formatted string
schema = "STRUCT<a: BIGINT>"
# Parse the XML column using the DDL-formatted schema
df.select(sf.from_xml(df.value, schema).alias("xml")).collect()

Output

[Row(xml=Row(a=1))]

Exemplo 2 : Analisando XML com um esquema StructType

Python

import pyspark.sql.functions as sf
from pyspark.sql.types import StructType, LongType
data = [(1, '''<p><a>1</a></p>''')]
df = spark.createDataFrame(data, ("key", "value"))
schema = StructType().add("a", LongType())
df.select(sf.from_xml(df.value, schema)).show()

Output

+---------------+
|from_xml(value)|
+---------------+
|            {1}|
+---------------+

Exemplo 3 : Analisando XML com ArrayType no esquema

Python

import pyspark.sql.functions as sf
data = [(1, '<p><a>1</a><a>2</a></p>')]
df = spark.createDataFrame(data, ("key", "value"))
# Define the schema with an Array type
schema = "STRUCT<a: ARRAY<BIGINT>>"
# Parse the XML column using the schema with an Array
df.select(sf.from_xml(df.value, schema).alias("xml")).collect()

Output

[Row(xml=Row(a=[1, 2]))]

Exemplo 4 : Analisando XML usando schema_of_xml

Python

import pyspark.sql.functions as sf
# Sample data with an XML column
data = [(1, '<p><a>1</a><a>2</a></p>')]
df = spark.createDataFrame(data, ("key", "value"))
# Generate the schema from an example XML value
schema = sf.schema_of_xml(sf.lit(data[0][1]))
# Parse the XML column using the generated schema
df.select(sf.from_xml(df.value, schema).alias("xml")).collect()

Output

[Row(xml=Row(a=[1, 2]))]