在Python中将XML文件转换为CSV时遇到了很多困难。我看过很多论坛,试过lxml和xmlutils.xml2csv,但都没用。这是来自Garmin GPS设备的GPS数据。
以下是我的XML文件的外观,当然是缩短的:
<?xml version="1.0" encoding="utf-8"?>
<gpx xmlns:tc2="http://www.garmin.com/xmlschemas/TrainingCenterDatabase/v2" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:tp1="http://www.garmin.com/xmlschemas/TrackPointExtension/v1" xmlns="http://www.topografix.com/GPX/1/1" version="1.1" creator="TC2 to GPX11 XSLT stylesheet" xsi:schemaLocation="http://www.topografix.com/GPX/1/1 http://www.topografix.com/GPX/1/1/gpx.xsd http://www.garmin.com/xmlschemas/TrackPointExtension/v1 http://www.garmin.com/xmlschemas/TrackPointExtensionv1.xsd">
<trk>
<name>2013-12-03T21:08:56Z</name>
<trkseg>
<trkpt lat="45.4852855" lon="-122.6347885">
<ele>0.0000000</ele>
<time>2013-12-03T21:08:56Z</time>
</trkpt>
<trkpt lat="45.4852961" lon="-122.6347926">
<ele>0.0000000</ele>
<time>2013-12-03T21:09:00Z</time>
</trkpt>
<trkpt lat="45.4852982" lon="-122.6347897">
<ele>0.2000000</ele>
<time>2013-12-03T21:09:01Z</time>
</trkpt>
</trkseg>
</trk>
</gpx>
在我庞大的XML文件中有几个trk标记,但我可以将它们分离出来——它们表示不同的“段”或GPS设备上的行程。我只需要一个CSV文件,它可以像这样打印:
LAT LON TIME ELE
45.4... -122.6... 2013-12... 0.00...
... ... ... ...
这是我目前掌握的代码:
## Call libraries
import csv
from xmlutils.xml2csv import xml2csv
inputs = "myfile.xml"
output = "myfile.csv"
converter = xml2csv(inputs, output)
converter.convert(tag="WHATEVER_GOES_HERE_RENDERS_EMPTY_CSV")
这是另一个替代代码。它只输出没有数据的CSV文件,只有头lat
和lon
。
import csv
import lxml.etree
x = '''
<?xml version="1.0" encoding="utf-8"?>
<gpx xmlns:tc2="http://www.garmin.com/xmlschemas/TrainingCenterDatabase/v2" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:tp1="http://www.garmin.com/xmlschemas/TrackPointExtension/v1" xmlns="http://www.topografix.com/GPX/1/1" version="1.1" creator="TC2 to GPX11 XSLT stylesheet" xsi:schemaLocation="http://www.topografix.com/GPX/1/1 http://www.topografix.com/GPX/1/1/gpx.xsd http://www.garmin.com/xmlschemas/TrackPointExtension/v1 http://www.garmin.com/xmlschemas/TrackPointExtensionv1.xsd">
<trk>
<name>2013-12-03T21:08:56Z</name>
<trkseg>
<trkpt lat="45.4852855" lon="-122.6347885">
<ele>0.0000000</ele>
<time>2013-12-03T21:08:56Z</time>
</trkpt>
<trkpt lat="45.4852961" lon="-122.6347926">
<ele>0.0000000</ele>
<time>2013-12-03T21:09:00Z</time>
</trkpt>
<trkpt lat="45.4852982" lon="-122.6347897">
<ele>0.2000000</ele>
<time>2013-12-03T21:09:01Z</time>
</trkpt>
</trkseg>
</trk>
</gpx>
'''
with open('output.csv', 'w') as f:
writer = csv.writer(f)
writer.writerow(('lat', 'lon'))
root = lxml.etree.fromstring(x)
for trkpt in root.iter('trkpt'):
row = trkpt.get('lat'), trkpt.get('lon')
writer.writerow(row)
我该怎么做?请认识到我是新手,所以一个更全面的解释将是超级棒!
这是一个名为的XML文档。因此,您需要使用节点各自的名称空间来寻址节点。
文档中使用的命名空间在顶部定义:
因此第一个名称空间被映射到缩写形式
tc2
,并将用于类似<tc2:foobar/>
的元素中。最后一个在xmlns
之后没有短格式的名称空间称为默认名称空间,它适用于文档中没有明确使用名称空间的所有元素,因此它也适用于<trkpt />
元素。因此,您需要编写
root.iter('{http://www.topografix.com/GPX/1/1}trkpt')
来选择这些元素。为了获得时间和提升,可以使用
trkpt.find()
访问trkpt
节点下的这些元素,然后element.text
检索这些元素的文本内容(与lat
和lon
等属性相反)。另外,由于time
和ele
元素也使用默认名称空间,因此必须再次使用{namespace}element
语法来选择这些节点。所以你可以用这样的东西:
有关XML名称空间的更多信息,请参见Namespaces section in the lxml tutorial和Wikipedia article on XML Namespaces。有关
.gpx
格式的一些详细信息,请参见GPS eXchange Format。很抱歉在这里使用了已经制作好的工具,但这对您的数据起到了作用:
它对你的数据起到了很好的作用。
因此,对于编码,我认为XML>;JSON>;CSV可能是一种很好的方法。你可以在这些链接中找到相关的脚本。
相关问题 更多 >
编程相关推荐