视频1 视频21 视频41 视频61 视频文章1 视频文章21 视频文章41 视频文章61 推荐1 推荐3 推荐5 推荐7 推荐9 推荐11 推荐13 推荐15 推荐17 推荐19 推荐21 推荐23 推荐25 推荐27 推荐29 推荐31 推荐33 推荐35 推荐37 推荐39 推荐41 推荐43 推荐45 推荐47 推荐49 关键词1 关键词101 关键词201 关键词301 关键词401 关键词501 关键词601 关键词701 关键词801 关键词901 关键词1001 关键词1101 关键词1201 关键词1301 关键词1401 关键词1501 关键词1601 关键词1701 关键词1801 关键词1901 视频扩展1 视频扩展6 视频扩展11 视频扩展16 文章1 文章201 文章401 文章601 文章801 文章1001 资讯1 资讯501 资讯1001 资讯1501 标签1 标签501 标签1001 关键词1 关键词501 关键词1001 关键词1501 专题2001 知道1 知道21 知道41 知道61 知道81 知道101 知道121 知道141 知道161 知道181 知道201 知道221 知道241 知道261 知道281
问答文章1 问答文章501 问答文章1001 问答文章1501 问答文章2001 问答文章2501 问答文章3001 问答文章3501 问答文章4001 问答文章4501 问答文章5001 问答文章5501 问答文章6001 问答文章6501 问答文章7001 问答文章7501 问答文章8001 问答文章8501 问答文章9001 问答文章9501
实例Python处理XML文件的方法
2020-11-27 14:41:52 责编:小采
文档

需求
有一个表,里面数据量比较大,每天一更新,其字段可以通过xml配置文件进行配置,即,可能每次建表的字段不一样。

上游跑时会根据配置从源文件中提取,到入库这一步需要根据配置进行建表。

解决
写了一个简单的xml,配置需要字段及类型

上游读取到对应的数据

入库这一步,先把原表删除,根据配置建新表

XML文件

<?xml version="1.0" encoding="UTF-8"?>


id

query
varchar(200)
false
query

pv
integer
false
pv

avg_money
integer
false

处理脚本

#!/usr/bin/python
# -*- coding:utf-8 -*-
#author: wklken
#desc: use to read db xml config.
#-----------------------
#2012-02-18 created
#----------------------

import sys,os
from xml.dom import minidom, Node

def read_dbconfig_xml(xml_file_path):
 content = {}

 root = minidom.parse(xml_file_path)
 table = root.getElementsByTagName("table")[0]

 #read dbname and table name.
 table_name = table.getAttribute("name")
 db_name = table.getAttribute("db_name")

 if len(table_name) > 0 and len(db_name) > 0:
 db_sql = "create database if not exists `" + db_name +"`; use " + db_name + ";"
 table_drop_sql = "drop " + table_name + " if exists " + table_name + ";"
 content.update({"db_sql" : db_sql})
 content.update({"table_sql" : table_drop_sql })
 else:
 print "Error:attribute is not define well! db_name=" + db_name + " ;table_name=" + table_name
 sys.exit(1)
 #print table_name, db_name

 table_create_sql = "create table " + table_name +"("

 #read primary cell
 primary_key = table.getElementsByTagName("primary_key")[0]
 primary_key_name = primary_key.getElementsByTagName("name")[0].childNodes[0].nodeValue

 table_create_sql += primary_key_name + " INTEGER NOT NULL AUTO_INCREMENT PRIMARY KEY,"

 #print primary_key.toxml()
 #read ordernary field
 fields = table.getElementsByTagName("field")
 f_index = 0
 for field in fields:
 f_index += 1
 name = field.getElementsByTagName("name")[0].childNodes[0].nodeValue
 type = field.getElementsByTagName("type")[0].childNodes[0].nodeValue
 table_create_sql += name + " " + type
 if f_index != len(fields):
 table_create_sql += ","
 is_index = field.getElementsByTagName("is_index")[0].childNodes[0].nodeValue

 table_create_sql += ");"
 content.update({"table_create_sql" : table_create_sql})
 #character set latin1 collate latin1_danish_ci;
 print content


if __name__ == "__main__":
read_dbconfig_xml(sys.argv[1])

PYTHON解析XML大文件[SAX]
需求
读取xml数据文件,文件较大,需要实时处理插入到数据库

xml文档



 100000
 
 北京,海淀区
 437
 1989
 333
 242
 null
 大学
 
 1
 2月14日


处理
sax处理时并不会像dom一样可以以类似节点的维度进行读取,它只有 开始标签 内容 结束标签 之分

处理思想是:通过一个handler,对开始标签,内容,结束标签各有一个处理函数

代码及注解
person 处理类

from xml.sax import handler,parseString
class PersonHandler(handler.ContentHandler):
 def __init__(self, db_ops):
 #db op obj
 self.db_ops = db_ops
 #存储一个person的map
 self.person = {}
 #当前的tag
 self.current_tag = ""
 #是否是tag之间的内容 ,目的拿到tag间内容,不受空白的干扰
 self.in_quote = 0
 #开始,清空map
 def startElement(self, name, attr):
 #以person,清空map
 if name == "person":
 self.person = {}
 #记录 状态
 self.current_tag = name
 self.in_quote = 1
 #结束,插入数据库
 def endElement(self, name):
 #以person结尾 代表读取一个person的信息结束
 if name == "person":
 #do something
 in_fields = tuple([ ('"' + self.person.get(i,"") + '"') for i in fields ])
 print in_sql % in_fields
 db_ops.insert( in_sql%(in_fields))
 #处理
 self.in_quote = 0
 def characters(self, content):
 #若是在tag之间的内容,更新到map中
 if self.in_quote:
 self.person.update({self.current_tag: content})

加上入库的完整代码

#!/usr/bin/python
# -*- coding:utf-8 -*-
#parse_person.py
#version : 0.1
#author : wukunliang@163.com
#desc : parse person.xml and out sql



import sys,os
import MySQLdb

reload(sys)
sys.setdefaultencoding('utf-8')

in_sql = "insert into person(id,sex,address,fansNum,summary,wbNum,gzNum,blog,edu,work,renZh,brithday) values(%s, %s, %s, %s, %s, %s,
 %s, %s, %s, %s, %s, %s)"

fields = ("id","sex","address","fansNum","summary","wbNum","gzNum","blog","edu","work","renZh","brithday")

#数据库方法
class Db_Connect:
 def __init__(self, db_host, user, pwd, db_name, charset="utf8", use_unicode = True):
 print "init begin"
 print db_host, user, pwd, db_name, charset , use_unicode
 self.conn = MySQLdb.Connection(db_host, user, pwd, db_name, charset=charset , use_unicode=use_unicode)
 print "init end"

 def insert(self, sql):
 try:
 n = self.conn.cursor().execute(sql)
 return n
 except MySQLdb.Warning, e:
 print "Error: execute sql '",sql,"' failed"

 def close(self):
 self.conn.close()

#person 处理类
from xml.sax import handler,parseString
class PersonHandler(handler.ContentHandler):
 def __init__(self, db_ops):
 #db op obj
 self.db_ops = db_ops
 #存储一个person的map
 self.person = {}
 #当前的tag
 self.current_tag = ""
 #是否是tag之间的内容
 self.in_quote = 0
 #开始,清空map
 def startElement(self, name, attr):
 #以person,清空map
 if name == "person":
 self.person = {}
 #记录 状态
 self.current_tag = name
 self.in_quote = 1
 #结束,插入数据库
 def endElement(self, name):
 #以person结尾 代表读取一个person的信息结束
 if name == "person":
 #do something
 in_fields = tuple([ ('"' + self.person.get(i,"") + '"') for i in fields ])
 print in_sql % in_fields
 db_ops.insert( in_sql%(in_fields))
 #处理
 self.in_quote = 0
 def characters(self, content):
 #若是在tag之间的内容,更新到map中
 if self.in_quote:
 self.person.update({self.current_tag: content})

if __name__ == "__main__":
 f = open("./person.xml")
 #如果源文件gbk 转码 若是utf-8,去掉decode.encode
 db_ops = Db_Connect("127.0.0.1", "root", "root", "test")
 parseString(f.read().decode("gbk").encode("utf-8"), PersonHandler(db_ops))
 f.close()
 db_ops.close()

下载本文
显示全文
专题