pyspark - 在 PySpark 中解析 XML 处理指令

Question

我正在尝试解析一个具有处理指令的 XML 文件，使用databricks spark-xml. 示例 XML

<books>
    <?SOURCE sample_file?>
    <?DATE 12/01/2022?>
    <book>
        <title>Spark Tutorial</title>
        <desc>Spark Tutorial for beginners</desc>
        <author>John C</author>
        <details>
            <price>1234</price>
            <pagecount>1000</pagecount>
            <chapters>
                <chapter>C1</chapter>
                <chapter>C2</chapter>
                <chapter>C3</chapter>
            </chapters>
        </details>
    </book>
    <book>
        <title>Scala</title>
        <desc>Scala Tutorial for beginners</desc>
        <author>John C</author>
        <details>
            <price>599</price>
            <pagecount>1000</pagecount>
            <chapters>
                <chapter>C10</chapter>
                <chapter>C20</chapter>
                <chapter>C30</chapter>
            </chapters>
        </details>
    </book>
</books>

有没有办法解析那些 XML 处理指令SOURCE& DATE？我可以读取其他 XML 标记值，但无法读取处理指令。

我尝试使用lxml库并能够阅读处理说明，但无法使用spark-xml库执行相同的操作。

提前致谢