使用python将格式怪异的XML文件转换为CSV

Question

我有一个奇怪的XML文档，其中包含电话号码的详细信息，我需要将其导出到CSV文档中，但问题是它的格式不正确。所有元素都在</字符串>标签和一些"；名称"；字段是重复的，但方式并不完全相同(就像下面的例子一样，大多数重复的行都包含额外的空格或逗号(。所有的"；数字"；从"；名称"；字段。

<string>example1</string>
<string>014584111</string>
<string>example2</string>
<string>04561212123</string>
<string>example3</string>
<string>[phone]</string>
<string>example4</string>
<string>564513212</string>

<string>example3, </string>
<string>example4  </string>

如何使用python将其转换为CSV格式而不重复内容？这里有一个输出的例子

FullName  PhoneNumber

example1  014584111
example2  014584111    
example3  [phone]  
example4  564513212 

Answer 1

当然，这是可以做到的。如果你能用人类语言描述这个过程，你也可以对它进行编程

示例：

• 读取文件(逐行？或者文件是否适合内存？(
• 剥离<string>和</string>
  • 这条线是预定的吗-->否-->这是一把钥匙
  • 这条线路是预定的吗-->是->它是最后一个键的值
• 将结果添加到dict
• 将dict写入.csv文件

所以-你现在需要做出一些决定，比如：

导入文件很大吗？然后它可能无法放入内存，我们需要逐行处理。或者它会被人们记住吗？

这个程序需要很多次吗？还是只是一次性转换？

然后你可以把问题分成更小的子问题，并为每个子问题写一些测试。

您还需要考虑更多的情况，如文件大小，是否是一次性脚本，是否应该进行错误检查(如果有两行？(等等。

Answer 2

下面(使用data执行需要执行的操作(

import xml.etree.ElementTree as ET
def is_phone_number(value):
for x in value:
if x != '+' and x != ' ' and not x.isnumeric():
return False
return True

xml = '''<r> <string>example1</string>
<string>014584111</string>
<string>example2</string>
<string>04561212123</string>
<string>example3</string>
<string>[phone]</string>
<string>example4</string>
<string>564513212</string>

<string>example3, </string>
<string>example4  </string></r>'''
data = []
root = ET.fromstring(xml)
strings = root.findall('.//string')
i = 0
while i < len(strings):
if is_phone_number(strings[i+1].text):
data.append({'key': strings[i].text,'value':strings[i+1].text})
i += 2
print(data)

输出

[{'key': 'example1', 'value': '014584111'}, {'key': 'example2', 'value': '04561212123'}, {'key': 'example3', 'value': '[phone]'}, {'key': 'example4', 'value': '564513212'}]