使用“Get data from XML”步骤读取XML文件最可靠，需规范XML格式、设对重复节点路径（如/orders/order），嵌套项（如items/item）需二级解析，注意编码、XPath及命名空间配置。
用 Pentaho Data Integration（Kettle）读取 XML 文件，核心是使用 “Get data from XML” 步骤，它专为解析结构化 XML 设计，比通用的 “Text file input” 更可靠、更灵活。
准备 XML 文件和了解结构
确保 XML 文件格式规范（有根节点、标签闭合、无非法字符），并提前查看其层级结构。例如：
Alice 299.99 Laptop Mouse
注意：Kettle 默认按“重复节点”提取数据。上例中，
配置 “Get data from XML” 步骤
在转换中添加该步骤后，关键设置包括：
-
XML source：选择“File”并指定路径（支持变量如
${FILE_PATH}） -
Repeat node：填写相对 XPath，如
/orders/order—— 这决定每行输出对应一个 -
Fields 标签页中定义字段：
- Field name：如
customer - Element XPath：相对于 repeat node 的路径，如
customer（直接子元素）或../@id（取父节点属性） - Type：选 String / Number / Date 等，匹配实际值类型
- Format/Length/Precision：按需填写，如金额设为 Number + 2 位小数
- Field name：如
处理多层嵌套（如 items/item）
“Get data from XML” 本身不支持跨层级展开多个重复组。若需把每个
- 先用 “Get data from XML” 提取
- 再接一个 “Get data from XML” 步骤，将上一步输出的
items_xml字段作为 XML source（选 “XML from field”），repeat node 设为items/item - 用 “Join Rows (Cartesian product)” 或 “Stream lookup” 关联主订单信息（需提前加唯一键，如 order_id）
常见问题与提示
避免踩坑：
