转换 extract 方法将是一个尽可能接近您所要求的解决方案。自定义项可以获取一个或多个列的值，并使用此输入执行任何逻辑。

import org.apache.spark.sql.expressions.UserDefinedFunction;
import org.apache.spark.sql.types.DataTypes;

import static org.apache.spark.sql.functions.col;
import static org.apache.spark.sql.functions.udf;

[...]

UserDefinedFunction extract = udf(
        (String document) -> {
            List<String> result = new ArrayList<>();
            XMLParser doc = XMLParser.parse(document);
            String name = ... //read name from xml document
            String age = ... //read age from xml document
            String clazz = ... //read class from xml document
            result.add(name);
            result.add(age);
            result.add(clazz);
            return result;
         }, DataTypes.createArrayType(DataTypes.StringType)
);

自定义项的一个限制是它们只能返回一列。因此，函数返回一个字符串数组，该数组必须在以后解包。

Dataset<Row> myResultNew = myResult
    .withColumn("extract", extract.apply(col("document"))) //1
    .withColumn("name", col("extract").getItem(0))         //2
    .withColumn("age", col("extract").getItem(1))          //2
    .withColumn("class", col("extract").getItem(2))        //2
    .drop("document", "extract");                          //3

调用udf并使用包含xml文档的列作为 apply 功能
从步骤1返回的数组中创建结果列
放下中间柱
注意：udf在数据集中每行执行一次。如果xml解析器的创建成本很高，这可能会减慢spark作业的执行，因为每行示例化一个解析器。由于spark的并行特性，不可能对下一行重用解析器。如果这是一个问题，另一个选择（至少在java世界中稍微复杂一点）是使用mappartitions。在这里，每个行不需要一个解析器，但每个数据集分区只需要一个解析器。
另一种完全不同的方法是使用sparkxml。