必须使用tFileInputXML读取XML文件，因其专为解析树形结构设计，支持命名空间、XPath循环路径及属性提取；误用其他组件将导致空内容或报错。
XML文件读取必须用 tFileInputXML，别用通用组件
直接拿 tFileInputDelimited 或 tFileInputJSON 去读 XML 会报错或只读到空内容——XML 是树形结构，不是行式文本。Talend 专门提供了 tFileInputXML 组件来解析 XML 节点路径、处理命名空间和重复元素。
关键点：
-
tFileInputXML的Loop XPath必须填对，它决定“每次循环提取哪一层节点”。比如 XML 中每个<order>下有多个<item>，你想逐条映射 item，就设为//order/item，而不是//order - 如果 XML 带命名空间（如
xmlns="http://example.com/ns"），必须在组件的Namespace栏里显式声明前缀（如ns）和 URI，并在 XPath 中使用该前缀：//ns:order/ns:item - 不支持嵌套太深的动态结构（比如子节点名随数据变化），此时需先用
tJavaRow或tXmlMap预处理
字段映射靠 Schema 和 XPath 一对一绑定
tFileInputXML 的输出 schema 字段不能手动改类型或顺序，必须和 XML 实际结构一致；每个字段的 XPath 表达式要写在字段配置栏里，指向该字段对应的具体节点或属性。
常见误区：
- 把整个节点当字符串读进来（比如用
.或text()），结果后续无法做数值计算或日期转换——应尽量用精准路径，如@id（取属性）、amount/text()（取子节点文本值） - 没处理空值：XML 中缺失节点会导致字段为
null，但 Talend 默认不报错。若下游要求非空，得在tMap里用row1.amount == null ? 0 : row1.amount做兜底 - 日期字段如
<date>2023-10-05</date>，schema 类型设为date后，还需在组件高级设置里勾选Use date format并填yyyy-MM-dd
复杂结构要用 tXmlMap 或分步 tFileInputXML
当 XML 存在多层嵌套、一对多关系（如一个订单含多个商品+多个收货地址），单靠一个 tFileInputXML 很难映射干净。这时有两个主流做法：
- 用
tXmlMap：适合中等复杂度，可在一个组件内定义主节点 + 多个子节点的关联路径，自动展开成扁平行集，但调试 XPath 时容易卡在“找不到上下文” - 拆成多个
tFileInputXML：先读主记录（如//order），再用tFlowToIterate+tJava提取 ID，传给第二个tFileInputXML去查子节点（如//order[@id='xxx']/item）。性能稍差，但逻辑清晰、易定位错误 - 避免用
tExtractXMLField：它已过时，不支持命名空间，XPath 功能弱，只适合极简单场景
中文乱码和大文件性能问题必须提前设参数
XML 文件带中文却显示问号？不是编码问题就是 Talend 运行环境没指定字符集。
- 在
tFileInputXML的Advanced settings里，强制设置Encoding为UTF-8（即使文件本身是 GBK，也建议先转码） - 大文件（>50MB）容易 OOM：勾选
Enable streaming mode，它会禁用 DOM 解析、改用 SAX，内存占用下降 70% 以上，但 XPath 必须是绝对路径（不能含..或变量） - 如果 XML 包含 CDATA 段，
tFileInputXML默认会剥离标签，若需原样保留，得在高级设置里取消勾选Ignore CDATA sections
// 示例：一个典型订单 XML 片段
<?xml version="1.0" encoding="UTF-8"?>
<orders xmlns="http://shop.example.com">
<order id="ORD-001">
<customer>张三</customer>
<items>
<item sku="A100"><price>99.9</price></item>
<item sku="B200"><price>199.0</price></item>
</items>
</order>
</orders>
真正麻烦的是命名空间 + 多层嵌套 + 属性混用的组合，这时候光看报错信息很难定位是 XPath 写错、命名空间漏申明，还是流模式下不支持相对路径——得打开组件日志，逐行比对实际解析出的节点路径。 
