PostgreSQL的XML数据类型 如何插入和查询XML

PostgreSQL中XML类型插入需用XMLPARSE(DOCUMENT '...')校验结构，或慎用'...'::xml强制转换；查询用xpath()提取时需索引+::text转换；比较和索引受限，建议冗余字段+表达式索引；导出须xmlserialize避免乱码。

XML 类型插入必须用 XMLPARSE 或字符串强制转换

PostgreSQL 不允许直接把普通字符串字面量当作 xml 类型插入，否则会报错：cannot cast type text to xml。必须显式解析或转换。

• 推荐用 XMLPARSE(DOCUMENT '...') —— 它会校验 XML 结构合法性，非法标签或未闭合元素会直接报错
• 也可用 ''::xml 强制转换，但跳过语法检查，可能存入损坏数据（慎用）
• 若 XML 内含单引号，需用两个单引号转义：XMLPARSE(DOCUMENT '')
• 注意：XMLPARSE(CONTENT '...') 和 DOCUMENT 的区别在于是否允许外部 DTD 或处理指令；日常业务建议用 DOCUMENT

INSERT INTO articles (id, content_xml) 
VALUES (1, XMLPARSE(DOCUMENT '
Use xml data type carefully.
'));

用 xpath() 提取节点内容要指定命名空间和返回类型

xpath() 是查询 XML 最常用函数，但它返回的是 xml[]（XML 数组），不是字符串。直接 SELECT xpath(...) 会看到带花括号的数组输出，容易误判为空。

• 提取文本值需套一层 (xpath('//title/text()', content_xml))[1] 并用 ::text 转换
• 如果 XML 带命名空间（如 ），必须在 xpath() 第三个参数传入命名空间映射：ARRAY[ARRAY['rss', 'http://purl.org/rss/1.0/']]
• xpath() 不支持 XPath 2.0 函数（如 lower-case()），仅限 1.0 子集
• 性能敏感场景避免在 WHERE 中对大 XML 字段频繁调用 xpath()，考虑冗余字段或生成列

SELECT 
  (xpath('//title/text()', content_xml))[1]::text AS title,
  (xpath('//body/text()', content_xml))[1]::text AS body
FROM articles 
WHERE (xpath('//title/text()', content_xml))[1]::text ILIKE '%postgres%';

XML 值比较和索引支持有限，别指望高效 WHERE xml_column = ...

xml 类型支持 = 比较，但实际是按归一化后的字节序列比对：空白、属性顺序、命名空间前缀不同都会导致不等。这意味着看似相同的 XML 可能无法匹配。

Python v2.4 中文手册 chm

Python v2.4版chm格式的中文手册，内容丰富全面，不但是一本手册，你完全可以把她作为一本Python的入门教程，教你如何使用Python解释器、流程控制、数据结构、模板、输入和输出、错误和异常、类和标准库详解等方面的知识技巧。同时后附的手册可以方便你的查询。

下载

• 无法在 xml 列上创建 B-tree 索引（报错：data type xml has no default operator class）
• 可用表达式索引加速特定路径查询，例如：CREATE INDEX idx_article_title ON articles USING GIN ((xpath('//title/text()', content_xml)));
• 更可靠的方式是提取关键字段到普通列（如 title_text TEXT GENERATED ALWAYS AS ((xpath('//title/text()', content_xml))[1]::text) STORED），再建索引
• XML 值过大（MB 级）会影响 WAL 日志体积和复制延迟，写入前应评估是否真需存完整 XML

导出时用 xmlserialize() 避免意外格式变化

从 xml 列读出的数据默认以内部二进制表示传输，某些客户端（如 psql、某些 ORM）可能显示为乱码或截断。导出为可读字符串必须显式序列化。

• 用 xmlserialize(content col_name as text) 得到标准 UTF-8 字符串
• content 表示不带 XML 声明（），用 document 则包含声明
• 若原始 XML 声明指定了编码（如 encoding="ISO-8859-1"），xmlserialize 仍输出 UTF-8 —— PostgreSQL 内部统一用 UTF-8 存储 XML
• 不要依赖 CAST(col AS text)，它可能返回不可预测的格式（如带换行缩进或无缩进）

SELECT xmlserialize(content content_xml AS text) FROM articles WHERE id = 1;