我有一个巨大的 XML 文件(大约 10 Gb),我需要将其转换为 CSV。现在,该文件将包含有关众多客户的信息。我必须将其转换为 CSV 格式。问题是许多客户会有其他客户没有的额外字段,并且某些字段会重复。 XML的例子是:
<customer>
<customerID>1</customerID>
<auc>
<algoId>0</algoId>
<kdbId>1</kdbId>
<acsub>1</acsub>
</auc>
</customer>
<customer>
<customerID>2</customerID>
<auc>
<algoId>0</algoId>
<kdbId>1</kdbId>
<acsub>1</acsub>
<extraBit>12345</extraBit>
</auc>
<auc>
<algoId>2</algoId>
<kdbId>3</kdbId>
<acsub>3</acsub>
<extraBit>67890</extraBit>
</auc>
<customOptions>
<odboc>0</odboc>
<odbic>0</odbic>
<odbr>1</odbr>
<odboprc>0</odboprc>
<odbssm>0</odbssm>
</customOptions>
</customer>
现在你可以看到第一个客户只有 1 个 auc block ,但第二个客户有 2 个,而且它在 auc 中还有一个额外的标签,即 extraBit。现在的问题是:
我应该一次处理一名客户(从一名客户到/customer,等等),因为一次 10 Gb 会使系统崩溃。
我尝试在循环中使用 XML TWIG,当我尝试为客户 1 使用 extraBit 时,它会因“未定义值”而终止程序:
打印 $customer->first_child('extraBit')->text()
无法对 xml-tags.pl 第 50 行的未定义值调用方法“text”。
对于客户的额外 auc 值,我希望它们在 CSV 文件中输出为:
客户 ID、algoId、kdbId、acsub、extraBit、algoId2、kdbId2、acsub2、extraBit2
1,0,1,1,,,,,,
2,0,1,1,1234,2,3,3,67890
最佳答案
print $customer->first_child('extraBit')->text()
您可以通过使用 first_child_text
来避免未定义的错误,它被定义为如果找不到匹配的子元素则返回空字符串。
print $customer->first_child_text('extraBit')
完整的代码类似于
my $t= XML::Twig->new(
twig_handlers => { customer => \&process_customer });
$t->parsefile('file.xml');
sub process_customer {
my ($t, $customer) = @_;
print $customer->first_child_text('customerID');
foreach my $auc ($customer->children('auc')) {
print ',', $auc->first_child_text('algoId'),
',', $auc->first_child_text('kdbId'),
',', $auc->first_child_text('acsub'),
',', $auc->first_child_text('extraBit');
}
print "\n"
$customer->purge;
}
关于xml - Perl XML::Twig。巨大的文件处理。如何处理重复条目和不存在的条目,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/15091933/