Question

我有一个XML文件，其中包含数千条记录：

<custs>
    <record cust_ID="B123456@Y1996" l_name="Jungle" f_name="George" m_name="OfThe" city="Fairbanks" zip="00010" current="1" />
    <record cust_ID="Q975697@Z2000" l_name="Freely" f_name="I" m_name="P" city="Yellow River" zip="03010" current="1" />
    <record cust_ID="M7803@J2323" l_name="Jungle" f_name="Jim" m_name="" city="Fallen Arches" zip="07008" current="0" />
</custs>
    #   (I know it's not normalized.  This is just sample data)

如何将其转换为CSV或制表符分隔文件？我知道我可以使用re.compile（）语句在Python中对其进行硬编码，但是在diff XML文件布局中必须有更简单，更便携的东西。

我在这里发现了一些关于attribs的帖子，（Beautifulsoup unable to extract data using attrs=class，Extracting an attribute value with beautifulsoup）他们几乎让我在那里：

#  Python 3.30
#
from bs4 import BeautifulSoup
import fileinput

Input = open("C:/Python/XML Tut/MinGrp.xml", encoding = "utf-8", errors = "backslashreplace")
OutFile = open('C:/Python/XML Tut/MinGrp_Out.ttxt', 'w', encoding = "utf-8", errors = "backslashreplace")

soup = BeautifulSoup(Input, features="xml")

results = soup.findAll('custs', attrs={})

# output = results   [0]#[0]

for each_tag in results:
    cust_attrb_value = results[0]
#       print (cust_attrb_value)
    OutFile.write(cust_attrb_value)

OutFile.close()

下一步（最后？）步骤是什么？

Answer 1

如果此数据格式正确 - 例如，使用规范XML - 您应该考虑lxml而不是BeautifulSoup。使用lxml，您可以读取文件，然后可以在其上应用DOM逻辑，包括XPath查询。使用XPath查询，您可以获得代表您感兴趣的每个节点的lxml个对象，从中提取您需要的数据，并使用类似的方式将它们重写为您选择的任意格式。 csv模块..

具体来说，在lxml文档中，请查看以下教程：

Answer 2

我（也）不会使用BeautifulSoup，虽然我喜欢lxml，但这是一个额外的安装，如果你不想打扰，这很简单，可以使用标准的lib ElementTree模块。< / p>

类似的东西：

import xml.etree.ElementTree as ET
import sys
tree=ET.parse( 'test.xml' )
root=tree.getroot()
rs=root.getchildren()
keys = rs[0].attrib.keys()
for a in keys: sys.stdout.write(a); sys.stdout.write('\t')
sys.stdout.write('\n')
for r in rs:
    assert keys == r.attrib.keys()
    for k in keys: sys.stdout.write( r.attrib[k]); sys.stdout.write('\t')
    sys.stdout.write('\n')

将从python-3生成：

zip m_name  current city    cust_ID l_name  f_name  
00010   OfThe   1   Fairbanks   B123456@Y1996   Jungle  George  
03010   P   1   Yellow River    Q975697@Z2000   Freely  I   
07008       0   Fallen Arches   M7803@J2323 Jungle  Jim

请注意，使用Python-2.7，属性的顺序会有所不同。如果您希望它们以不同的特定顺序输出，您应该排序或订购列表“键”。

断言检查所有行是否具有相同的属性。如果元素中实际上缺少或有不同的属性，那么你将不得不删除它并添加一些代码来处理差异并提供缺失值的默认值。（在您的示例数据中，您有一个空值（m_name =“”），而不是缺失值。你可能想检查一下这种情况由此输出的消费者处理好，或者添加一些对这种情况更特殊的处理。

提取XML属性

2 个答案: