如何编写XML到单词的分割逻辑在Mapper中？

在Hadoop MapReduce的Mapper中，编写XML到单词的分割逻辑通常需要使用解析库，例如Java内置的`javax.xml.parsers` 或第三方库如SAX、DOM或StAX。以下是一个简单的示例，假设我们使用DOM解析器：

import org.w3c.dom.Document;
import org.w3c.dom.NodeList;
import org.w3c.dom.Node;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.io.IntWritable;

import javax.xml.parsers.DocumentBuilder;
import java.io.IOException;

public class XMLToWordsMapper extends Mapper<Object, Text, Text, IntWritable> {
    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();

    @Override
    protected void map(Object key, Text value, Context context) throws IOException, InterruptedException {
        try (DocumentBuilderFactory dbFactory = DocumentBuilderFactory.newInstance();
             DocumentBuilder dBuilder = dbFactory.newDocumentBuilder()) {

            // 解析XML文档
            Document doc = dBuilder.parse(value.toString());
            doc.getDocumentElement().normalize(); // 校正文档结构

            // 获取所有的单词节点
            NodeList nodeList = doc.getElementsByTagName("word"); // 假设单词都在名为"word"的标签下

            for (int i = 0; i < nodeList.getLength(); i++) {
                Node node = nodeList.item(i);
                if (node.getNodeType() == Node.ELEMENT_NODE) {
                    word.set(node.getTextContent()); // 提取单词
                    context.write(word, one); // 将键值对发送到Shuffle阶段
                }
            }

        } catch (Exception e) {
            throw new RuntimeException(e);
        }
    }
}

在这个例子中，Mapper首先读取XML文件内容并解析为DOM树，然后遍历所有`<word>`标签，取出每个单词作为`Text`对象的值，并将其与一个计数器`one`一起发送到下一个阶段。