python解决xml文件论文-实例Python处理XML文件的方法

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()

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值