使用 Apache Beam XmlIO 通过命名空间读取 XML

Reading XML with namespace using Apache Beam XmlIO

我正在尝试将 XML 文件读入 Apache Beam 管道。一些元素有命名空间,命名空间声明是在根节点上声明的。我能够使用标准 JAXB 解析器在 Apache Beam 之外解析 xml。但是,当我将 XmlIO.read() 函数与 beam 一起使用时,出现以下异常:

com.ctc.wstx.exc.WstxParsingException: 未声明的命名空间前缀“g”。

<rss version="2.0" xmlns:g="http://base.google.com/ns/1.0">
 <channel>
  <item>
   <!-- Basic Product Information -->
   <g:id><![CDATA[SAMI9000NAVKIT]]></g:id>
   <title><![CDATA[Original Samsung Galaxy S i9000 Navigation Kit]]></title>
   <link><![CDATA[https://www.mobileciti.com.au/original-samsung-galaxy-s-i9000-navigation-kit]]></link>
   <description><![CDATA[<p>SAMSUNG Galaxy S (i9000) Navigation Kit - Consists of handset cradle, window shield mount and car charger.</p>]]></description>
   <g:product_category><![CDATA[Electronics > Communications > Telephony > Mobile Phone Accessories]]></g:product_category>
   <g:product_type><![CDATA[Accessories > Car Kits]]></g:product_type>
....
  </item>
 </channel>
</rss>

光束代码:

                .from(<Full file path>)
                .withRootElement("rss")
                .withRecordElement("item").withRecordClass(Item.class));

XML 没有命名空间工作正常。非常感谢任何指针。谢谢

查看 XmlSource code,不幸的是,如果您只指定根元素,我认为它默认不支持 XML 命名空间。

不过,作为解决方法,您可以尝试执行以下操作:

.withRootElement("rss version=\"2.0\" xmlns:g=\"http://base.google.com/ns/1.0\"")

可能会奏效。