我在用 Python 将 XML 文件转换为 CSV 文件时遇到了很多麻烦。我看了很多论坛,尝试了 lxml 和 xmlutils.xml2csv,但我无法让它工作。这是来自 Garmin GPS 设备的 GPS 数据。
这是我的 XML 文件的样子,当然缩短了:
<?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 标签,但我可以设法将它们分开——它们代表不同的“路段”或 GPS 设备上的行程。我想要的只是一个 CSV 文件,它绘制了如下内容:
LAT LON TIME ELE
45.4... -122.6... 2013-12... 0.00...
... ... ... ...
这是我目前的代码:
## 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。它只输出一个没有数据的 CSV 文件,只有 header 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?请注意我是新手,所以更全面的解释会非常棒!
最佳答案
这是一个命名空间 XML 文档。因此,您需要使用节点各自的命名空间来寻址节点。
文档中使用的命名空间定义在顶部:
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"
所以第一个命名空间映射到短格式tc2
, 并且会用在类似 <tc2:foobar/>
的元素中.最后一个,在 xmlns
之后没有缩写形式,称为默认命名空间,它适用于文档中所有未明确使用命名空间的元素 - 因此它适用于您的 <trkpt />
元素也是如此。
因此你需要写 root.iter('{http://www.topografix.com/GPX/1/1}trkpt')
选择这些元素。
为了同时获得时间和海拔高度,您可以使用 trkpt.find()
访问 trkpt
下面的这些元素节点,然后是 element.text
检索这些元素的文本内容(与 lat
和 lon
等属性相反)。另外,因为 time
和 ele
元素还使用默认命名空间,您必须使用 {namespace}element
语法再次选择那些节点。
所以你可以使用这样的东西:
NS = 'http://www.topografix.com/GPX/1/1'
header = ('lat', 'lon', 'ele', 'time')
with open('output.csv', 'w') as f:
writer = csv.writer(f)
writer.writerow(header)
root = lxml.etree.fromstring(x)
for trkpt in root.iter('{%s}trkpt' % NS):
lat = trkpt.get('lat')
lon = trkpt.get('lon')
ele = trkpt.find('{%s}ele' % NS).text
time = trkpt.find('{%s}time' % NS).text
row = lat, lon, ele, time
writer.writerow(row)
有关 XML 命名空间的更多信息,请参阅 Namespaces section in the lxml tutorial和 Wikipedia article on XML Namespaces .另见 GPS eXchange Format有关 .gpx
的一些详细信息格式。
关于python - Python 中的 XML 到 CSV,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/20714038/