Question

我有许多以下格式的XML对象：

<GetSingleItemResponse xmlns="urn:ebay:apis:eBLBaseComponents">
  <Timestamp>2012-10-25T03:09:50.817Z</Timestamp>
  <Ack>Success</Ack>
  <Build>E795_CORE_BUNDLED_15430047_R1</Build>
  <Version>795</Version>
  <Item>
     <Description>...</Description>
     <ItemID>330810813385</ItemID>
     <EndTime>2012-10-25T04:32:37.000Z</EndTime>
     <Location>Paypal Prefered</Location>
     <GalleryURL>...</GalleryURL>
     <PictureURL>...</PictureURL>
     <PictureURL>...</PictureURL>
     <PrimaryCategoryID>177</PrimaryCategoryID>
     <PrimaryCategoryName>
     Computers/Tablets & Networking:Laptops & Netbooks:PC Laptops & Netbooks
     </PrimaryCategoryName>
     <BidCount>2</BidCount>
     <ConvertedCurrentPrice currencyID="USD">294.99</ConvertedCurrentPrice>
     <ListingStatus>Active</ListingStatus>
     <TimeLeft>PT1H22M47S</TimeLeft>
     <Title>
     HP Compaq ZD8000 3800Mhz Full Loaded Ready to go, nice unit & super fast Laptop
     </Title>
     <ShippingCostSummary>
     <ShippingServiceCost currencyID="USD">23.99</ShippingServiceCost>
     <ShippingType>Flat</ShippingType>
     <ListedShippingServiceCost currencyID="USD">23.99</ListedShippingServiceCost>
     </ShippingCostSummary>
     <ItemSpecifics>
        <NameValueList>
           <Name>Operating System</Name>
           <Value>Windows XP Professional</Value>
        </NameValueList>
        <NameValueList>
           <Name>Screen Size</Name>
           <Value>17.0</Value>
        </NameValueList>
        <NameValueList>
           <Name>Processor Type</Name>
           <Value>Intel Pentium 4 HT</Value>
        </NameValueList>
     </ItemSpecifics>
     <Country>US</Country>
     <AutoPay>false</AutoPay>
     <ConditionID>2500</ConditionID>
     <ConditionDisplayName>Seller refurbished</ConditionDisplayName>
   </Item>
</GetSingleItemResponse>

对于每个xml对象，我想获取所有项目标记标记，例如itemid，endtime等。以及所有项目细节标记标记，例如操作系统，屏幕大小等。我想喜欢将每个xml对象保存到内存中，并将其保存到适当的数据结构（对象）中。最后，我想将所有xml对象的所有信息写入csv文件。

难点在于先验我不知道csv文件的列（标题）是什么。对于第一个xml对象，我将创建与项目和项目细节组合的子标记数量一样多的列。

然后，当新列显示新列时，我会添加越来越多的列，为以前没有出现的列添加NA。

我正在寻找有关如何处理xml对象的建议，要转换（保存）xml对象的数据结构，以及如何将所有最终处理的xml数据写入csv文件。

感谢。

Answer 1

对于csv中的每一行，您应该创建一个字典。在解析xml时，您应该从代码段中为每个<Item>填充此字典。当你这样做时，你应该保留一组键，即列......在文件末尾，你会知道你有多少列及其标题。

以下是一个如何完成此操作的小片段（如果数据适合内存），我将使用BeautifulSoup，因为您在标签中提到它并且它很棒：

import sys
import csv

from BeautifulSoup import BeautifulSoup as Soup

doc = Soup(xml_string)
data = []
cols = set()
for item in doc.findAll('item'):
    d = {}
    for sub in item:
        if hasattr(sub, 'name'):
            d[sub.name] = sub.text
    data.append(d)
    cols = cols.union(d.keys())

cw = csv.writer(sys.stdout)
cw.writerow(cols)
for row in data:
    cw.writerow([row.get(k, 'N/A') for k in cols])

请注意，此解决方案假设您的密钥是唯一的，但在您的示例中，该项目有两个图片网址，如果您希望两者都显示它是可能的（因为没有什么是不可能的）只是稍微复杂一点。

如果数据不适合内存，则需要执行两次传递，第一次传递以收集键，第二次传递以打印csv ...注意，您应该将BeautifulSoup替换为另一种解析器，如{{ 3}}在这种情况下，因为数据不适合内存

解析许多xml对象并使用python将它们写入文本文件（csv，tab-del，...）

1 个答案: