有没有类似于 Mahout 的 XmlInputFormat,但是适用于 Flink 的工具?
我有一个大型的 XML 文件,想要提取特定的元素。在我的情况下,这是一个维基百科的转储文件,我需要获取所有 <page>
标签。
也就是说,如果我有一个文件:
<mediawiki>
<siteinfo>...</siteinfo>
<page>...</page>
<page>...</page>
<page>...</page>
</mediawiki>
我希望能获取所有三个记录
<page>...</page>
以供映射器使用。最好是有效的XML,这样xpath查询 /mediawiki/page
就可以返回结果。