Python 3.x 如何从Azure DataLake Gen2访问XML文件并将其转换为Azure DataRicks中的数据帧？

我们需要访问位于Azure Data Lake Gen2中的XML文件，并将其转换为如下所示的数据帧

示例XML数据：

<SOAP-ENV:Envelope
   xmlns:SOAP-ENV="http://schemas.xmlsoap.org/soap/envelope/">

<SOAP-ENV:Body>
           <ns2:getProjectsResponse
               xmlns:ns2="http://www.logic8.com/eq/webservices/generated">
               <ns2:Project>
                   <ns2:fileName>P10001</ns2:fileName>
                   <ns2:alias>project1</ns2:alias>
               </ns2:Project>
               <ns2:Project>
                   <ns2:fileName>P10002</ns2:fileName>
                   <ns2:alias>project2</ns2:alias>
               </ns2:Project>
       <ns2:Project>
                   <ns2:fileName>P10003</ns2:fileName>
                   <ns2:alias>project3</ns2:alias>
               </ns2:Project>
           </ns2:getProjectsResponse>
       </SOAP-ENV:Body>
   </SOAP-ENV:Envelope>

P10001
项目1
P10002
项目2
P10003
项目3

预期数据帧输出：

---

有人能帮我吗。

首先，你需要学习从Azure data Lake Gen2到Azure Datatricks读取数据

有许多教程可供您学习：

。这篇博客文章是关于将数据从Blob存储导入Azure DataRicks的

：这篇文章解释了如何 通过使用DBFS装载存储或直接装载存储来访问Azure Blob存储 使用API

其次，关于xml数据类型，您需要使用@Axel R在注释中提供的用法

将spark xml库导入您的工作区 （在maven/spark包部分中搜索spark xml并导入它）

将库连接到群集

使用笔记本中的以下代码读取xml文件，其中 “note”是xml文件的根

xmldata=spark.read.format（'xml'）。选项（“rootTag”，“note”）.load（'dbfs:/mnt/mydatafolder/xmls/note.xml'）

请参考：

结合这些文件，我想你可以找出你的问题。我对Azure databricks了解不多，很抱歉我不能为您测试

---

希望这有帮助。

看看spark xml库：它可以很容易地安装在Databrick上，并允许您操作xml模式。