时间戳

首页 > 解决方案 > 修改包含多个 XML 文件的大文件以根据条件创建小文件

python-3.x - 修改包含多个 XML 文件的大文件以根据条件创建小文件

问题描述

我有一个大文件，其中包含不同行中的多个 XML。我想根据多个标签匹配电子表格列的条件创建一个带有行（或 XML）的新文件。例如，我有一个很大的 XML 文件。

<?xml version="1.0" encoding="UTF-8"?><data><student><result><grade>A</grade></result><details><name>John</name><house>Red</house><id>100</id><age>16</age><email>john@mail.com</email></details></student></data>
<?xml version="1.0" encoding="UTF-8"?><data><student><result><grade>B</grade></result><details><name>Alice</name><house>Blue</house><id>101</id><age>17</age><email>alice@mail.com</email></details></student></data>
<?xml version="1.0" encoding="UTF-8"?><data><student><result><grade>F</grade></result><details><name>Bob</name><house>Blue</house><id>100</id><age>16</age><email>bob@mail.com</email></details></student></data>
<?xml version="1.0" encoding="UTF-8"?><data><student><result><grade>A</grade></result><details><name>Hannah</name><house>Blue</house><id>103</id><age>17</age><email>hannah@mail.com</email></details></student></data>
<?xml version="1.0" encoding="UTF-8"?><data><student><result><grade>C</grade></result><details><name>James</name><house>Red</house><id>101</id><age>18</age><email>james@mail.com</email></details></student></data>

我需要创建一个文件，其中从 xlsx 文件中选择房屋和 id，如下所示：

在此处输入图像描述

并创建一个新文件，如下所示：

<?xml version="1.0" encoding="UTF-8"?><data><student><result><grade>F</grade></result><details><name>Bob</name><house>Blue</house><id>100</id><age>16</age><email>bob@mail.com</email></details></student></data>
<?xml version="1.0" encoding="UTF-8"?><data><student><result><grade>A</grade></result><details><name>Hannah</name><house>Blue</house><id>103</id><age>17</age><email>hannah@mail.com</email></details></student></data>

我试过的：

from lxml import etree as ET
import pandas as pd

df = pd.read_excel(open('Student_data.xlsx','rb'),sheet_name="Sheet2")
df['House_Id']=df['House'].map(str)+'-'+df['Id'].map(str)
required_ids = df['House_Id'].tolist()
required_ids = [str(i) for i in required_ids]
for event, element in ET.iterparse('new_student.xml'):
    if element.tag == 'xml' and not(element.xpath('.//id/text()')[0] in required_ids):
        element.clear()
        element.getparent().remove(element)
    if element.tag == 'data':
        tree = ET.ElementTree(element)
        tree.write('student_output.xml')

我可以使用 xlsx 文件中的 2 个变量（即 ['Blue-100', 'Blue-103']）创建所需的 id，但不知道如何：

  1. 使用 XML 创建一个类似的“pair-id”
  2. 导航以查找“pair-id”并创建一个仅包含所需行的新文件

请让我知道一种方法来做到这一点。提前致谢。

标签： python-3.xlxmlelementtree

解决方案

我认为，如果您知道每行的各种 XML 声明中给出的编码始终是 UTF-8，那么您可以用几行处理文件，其中每行代表一个具有基于文件的 IO 和 lxml etree 的 XML 文档，如下所示：

from lxml import etree as ET

required_ids = ['100','103']
required_houses = ['Blue', 'Blue']

with open('input.txt', 'r') as f, open('output.txt', 'w') as w:
    for line in f.readlines():
        root = ET.fromstring(bytes(line, encoding = 'UTF-8'))
        if root.xpath('.//id/text()')[0] in required_ids and root.xpath('.//house/text()')[0] in required_houses:
            #ET.dump(root)
            print(ET.tostring(root, encoding = 'unicode'), file = w, end = '\n')

推荐阅读