既然您已经对模式做出了特定的假设，那么最好的方法就是使用 nullable 可选字段，并在导入数据时使用它。
假设您希望文档类似于：

<rows>
    <row>
        <id>1</id>
        <objects>
            <object>
                <attribute1>...</attribute1>
                 ...
                <attributebN>...</attributeN>
            </object>
        </objects>
    </row>
</rows>

哪里 attribute1 , attribute2 , ..., attributebN 可能不存在于给定的批中，但您可以定义一组有限的选项和相应的类型。为了简单起见，假设只有两种选择：

{("attribute1", StringType), ("attribute2", LongType)}

您可以将架构定义为：

schema = StructType([
  StructField("objects", StructType([
    StructField("object", StructType([
      StructField("attribute1", StringType(), True),
      StructField("attribute2", LongType(), True)
    ]), True)
  ]), True),
  StructField("id", LongType(), True)
])

与reader一起使用：

spark.read.schema(schema).option("rowTag", "row").format("xml").load(...)

它对属性的任何子集都有效({∅, {属性1}，{attribute2}，{attribute1，attribute2}）。同时比依赖模式推理更有效。