我有以下XML文件,必须将其解析为csv文件并从中提取数据。在此文件中,我有两个框(box_id),它们包装在两个不同的父对象(parent_box_id)上,并且每个框的内容的详细信息(元素sgtin-> info_sgtin)。
<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<doc>
<info id_reference="2">
<data_down>
<tree>
<box_id>046071598600870568</box_id>
<parent_box_id>046071598600875594</parent_box_id>
</tree>
<tree>
<box_id>046071598600870575</box_id>
<parent_box_id>046071598600875595</parent_box_id>
</tree>
<tree>
<sgtin>
<info_sgtin>
<sgtin>04607008133585B0SE1HVHBGR3A</sgtin>
<box_id>046071598600870568</box_id>
<gtin>04607008133585</gtin>
<series_number>026A</series_number>
</info_sgtin>
</sgtin>
<parent_box_id>046071598600870568</parent_box_id>
</tree>
<tree>
<sgtin>
<info_sgtin>
<sgtin>046070081335856F7P78HBVBEH2</sgtin>
<box_id>046071598600870568</box_id>
<gtin>04607008133585</gtin>
<series_number>026A</series_number>
</info_sgtin>
</sgtin>
<parent_box_id>046071598600870568</parent_box_id>
</tree>
<tree>
<sgtin>
<info_sgtin>
<sgtin>046070081335854T61H7CSXDE9W</sgtin>
<box_id>046071598600870575</box_id>
<gtin>04607008133585</gtin>
<series_number>026A</series_number>
</info_sgtin>
</sgtin>
<parent_box_id>046071598600870575</parent_box_id>
</tree>
</data_down>
</info>
</doc>
为此,我决定在Python中使用Elementtree,但是问题是在我的XML文件中,我有两种tag变体。
首先,我遍历所有细节并捕获box_id的值,但是在那之后,我必须转到父项并获取其中打包了box_id的parent_box_id。
换句话说,我想通过以下方式获取数据:
parent_box_id box_id sgtin series_number
046071598600875594 046071598600870568 04607008133585B0SE1HVHBGR3A 026A
046071598600875594 046071598600870568 046070081335856F7P78HBVBEH2 026A
046071598600875595 046071598600870575 046070081335854T61H7CSXDE9W 026A
但是我不知道如何获取parent_box_id值。感谢社区的任何支持。
这是我的代码:
import csv
import xml.etree.ElementTree as ET
csv.writer(open('result.csv','w'),delimiter=';', quotechar='"', quoting=csv.QUOTE_MINIMAL))
tree = ET.parse('test.xml')
root = tree.getroot()
with open('result.csv','a',newline='') as myfile:
writer = csv.writer(myfile, delimiter=';', quotechar='"', quoting=csv.QUOTE_MINIMAL)
for alist in root.iter('info_sgtin'):
sgtin = alist.find('sgtin').text
box_id = alist.find('box_id').text
series = alist.find('series_number').text
writer.writerow([sgtin,box_id,series])
您需要遍历每个<tree>
标签,并检查是否有需要的数据。然后收集它。
import xml.etree.ElementTree
root = xml.etree.ElementTree.parse('data.xml')
# collect parent data
parent_data = {}
for item in root.iter('tree'):
box_id_match = item.find('box_id')
parent_box_id_match = item.find('parent_box_id')
if box_id_match != None:
parent_data.update({box_id_match.text: parent_box_id_match.text})
data = []
for item in root.iter('tree'):
sgtin = item.find('sgtin/info_sgtin/sgtin')
box_id = item.find('sgtin/info_sgtin/box_id')
series_number = item.find('sgtin/info_sgtin/series_number')
# collect valid data
if sgtin != None and box_id != None and series_number != None:
parent_box_id = parent_data.get(box_id.text)
data.append([parent_box_id, box_id.text, sgtin.text, series_number.text])
输出:
['046071598600875594', '046071598600870568', '04607008133585B0SE1HVHBGR3A', '026A']
['046071598600875594', '046071598600870568', '046070081335856F7P78HBVBEH2', '026A']
['046071598600875595', '046071598600870575', '046070081335854T61H7CSXDE9W', '026A']
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句