在给定的标签处将 XML 文件拆分为多个

Posted 2023-02-16

【中文标题】在给定的标签处将 XML 文件拆分为多个

【英文标题】：Splitting XML file into multiple at given tags

【发布时间】：2016-07-09 09:05:58

【问题描述】：

我想将一个 XML 文件拆分为多个文件。我的工作站非常受限于带有 Xalan 2.7.1 的 Eclipse Mars。

我也可以使用 Python，但以前从未使用过。

<?xml version="1.0" encoding="UTF-8"?>
<root>
    <row>
        <NAME>Doe</NAME>
        <FIRSTNAME>Jon</FIRSTNAME>
        <GENDER>M</GENDER>
    </row>
    <row>
        <NAME>Mustermann</NAME>
        <FIRSTNAME>Max</FIRSTNAME>
        <GENDER>M</GENDER>
    </row>
</root>

我怎样才能让它们看起来像这样

<?xml version="1.0" encoding="UTF-8"?>
    <root>
        <row>
            <NAME>Doe</NAME>
            <FIRSTNAME>Jon</FIRSTNAME>
            <GENDER>M</GENDER>
        </row>
    </root>

我需要一个带有标题的文件中的每个“行”数据。上面的数据只是一个例子。大多数“行”数据有 16 个属性，但不时变化。

【问题讨论】：

你是用java还是python做拆分？

【参考方案1】：

使用 Python 元素树。

创建一个文件，例如xmlsplitter.py。添加下面的代码（其中 file.xml 是您的 xml 文件，并假设每一行都有一个唯一的 NAME 元素。）。

import xml.etree.ElementTree as ET
context = ET.iterparse('file.xml', events=('end', ))
for event, elem in context:
    if elem.tag == 'row':
        title = elem.find('NAME').text
        filename = format(title + ".xml")
        with open(filename, 'wb') as f:
            f.write("<?xml version=\"1.0\" encoding=\"UTF-8\"?>\n")
            f.write(ET.tostring(elem))

用

运行它

python xmlsplitter.py

或者如果名称不是唯一的：

import xml.etree.ElementTree as ET
context = ET.iterparse('file.xml', events=('end', ))
index = 0
for event, elem in context:
    if elem.tag == 'row':
        index += 1
        filename = format(str(index) + ".xml")
        with open(filename, 'wb') as f:
            f.write("<?xml version=\"1.0\" encoding=\"UTF-8\"?>\n")
            f.write(ET.tostring(elem))

【讨论】：

谢谢 Dan-Dev，我稍微编辑了您的代码并附加了“根”标签。还有一个问题，如何将 .xml 附加到输出文件？

我在一分钟前对其进行了编辑，现在显示为：文件名 = 格式（标题 + “.xml”）。如果您使用编辑后的代码再次运行它，则应该将文件扩展名 .xml 附加到您的文件中

好的，还有一个问题。一些 NAME 出现不止一次。是否可以遍历以例如开头的输出文件名1.xml？

编辑在“或者如果名称不唯一：”之后添加代码

【参考方案2】：

这是完美运行的代码。

import xml.etree.ElementTree as ET

context = ET.iterparse('filname.xml', events=('end', ))
for event, elem in context:
if elem.tag == 'row':
    title = elem.find('NAME').text
    filename = format(title + ".xml")
    with open(filename, 'wb') as f:
        f.write("<?xml version=\"1.0\" encoding=\"UTF-8\"?>\n")
        f.write("<root>\n")
        f.write(ET.tostring(elem))
        f.write("</root>")

【讨论】：

看起来在 Python3 中你需要写这样的字符串 f.write(b"\n") note b letter before "\n"

【参考方案3】：

有一个很棒的工具 http://xmlstar.sourceforge.net/docs.php 可以用 xml 做很多事情（但它不是 pythonic）。

假设您有一个包含上述数据的1.xml 文件。并且您需要将其拆分为名称为 NNN.xml 且元素为 /root/row 的单独文件。

只需在 shell 中调用：

    $ for ((i=1; i<=`xmlstarlet sel -t -v 'count(/root/row)'  1.xml`; i++)); do \
          echo '<?xml version="1.0" encoding="UTF-8"?><root>' > NAME.xml;
          NAME=$(xmlstarlet sel -t -m '/root/row[position()='$i']' -v './NAME' 1.xml); \
          xmlstarlet sel -t -m '/root/row[position()='$i']' -c . -n 1.xml >> $NAME.xml; \
          echo '</root>' >> NAME.xml
       done

现在你有一堆像 Joe.xml 这样的 xml 文件