xml文件拆分 python_用Python提取合并由集搜客爬取的多个xml文件中的数据 | 向死而生...

为了爬点小数据同时试用了八爪鱼和集搜客。两者都有免费版本，但八爪鱼数据导出需要积分，集搜客可以不用积分。不过八爪鱼导出的数据有多种格式可选，而集搜客如果不用积分就只能得到一堆xml文件。本着能省则省的原则，用Python折腾了一个将多个xml文件中的内容进行提取并合并到一个txt文件中的小工具。八爪鱼和集搜客的简单试用对比：对能直接从页面提取的元素都有很好的支持，但如果是从源码中提取，集搜客的XPath支持貌似更好些。

也可以通过Excel的开发工具建立xml映射将多个xml导入一张sheet内。

用到了BeautifulSoup的库，需要另行下载安装。这里下载     其实不用BeautifulSoup也可以用正则表达式匹配出来。

#Merge .xml files into a csv-ready .txt.

#Matt Sun

#http://offmask.com

#Oct 22, 2016

#coding=utf-8

filePath = "c:\\work\\marketplace\\imgURL\\"

#放xml文件的文件夹路径

import os

from bs4 import BeautifulSoup

files = os.listdir(path = filePath)

outF = open('c:\\work\\marketplace\\imgurl.txt','a')

for i in range(len(files)):

xmlF = open(filePath+files[i],'r')

xmlContent = BeautifulSoup(xmlF)

xmlF.close()

imgUrl = xmlContent.url.text

asin = xmlContent.fullpath.text

outContent =asin + "," + imgUrl + "\n"

outF.write(outContent)

outF.close()

print("all done!")