實例Python處理XML文件的方法
需求
有一個表,里面數(shù)據(jù)量比較大,每天一更新,其字段可以通過xml配置文件進行配置,即,可能每次建表的字段不一樣。
上游跑時會根據(jù)配置從源文件中提取,到入庫這一步需要根據(jù)配置進行建表。
解決
寫了一個簡單的xml,配置需要字段及類型
上游讀取到對應(yīng)的數(shù)據(jù)
入庫這一步,先把原表刪除,根據(jù)配置建新表
XML文件
<?xml version="1.0" encoding="UTF-8"?> <!-- 表名 ,數(shù)據(jù)庫名 可靈活配置插入哪個庫哪個表 --> <table name="top_query" db_name="evaluting_sys"> <!-- 非業(yè)務(wù)主鍵,自增長,可配名,其他 INTEGER UNSIGNED AUTO_INCREMENT --> <primary_key> <name>id</name> </primary_key> <!-- 字段開始 --> <field> <name>query</name> <type>varchar(200)</type> <is_index>false</is_index> <description>query</description> </field> <field> <name>pv</name> <type>integer</type> <is_index>false</is_index> <description>pv</description> </field> <field> <name>avg_money</name> <type>integer</type> <is_index>false</is_index> <description></description> </field> <!-- 字段配置結(jié)束 --> </table>
處理腳本
#!/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
讀取xml數(shù)據(jù)文件,文件較大,需要實時處理插入到數(shù)據(jù)庫
xml文檔
<PERSONS> <person> <id>100000</id> <sex>男</sex> <address>北京,海淀區(qū)</address> <fansNum>437</fansNum> <summary>1989</summary> <wbNum>333</wbNum> <gzNum>242</gzNum> <blog>null</blog> <edu>大學(xué)</edu> <work></work> <renZh>1</renZh> <brithday>2月14日</brithday> </person> </PERSONS>
處理
sax處理時并不會像dom一樣可以以類似節(jié)點的維度進行讀取,它只有 開始標(biāo)簽 內(nèi)容 結(jié)束標(biāo)簽 之分
處理思想是:通過一個handler,對開始標(biāo)簽,內(nèi)容,結(jié)束標(biāo)簽各有一個處理函數(shù)
代碼及注解
person 處理類
from xml.sax import handler,parseString
class PersonHandler(handler.ContentHandler):
def __init__(self, db_ops):
#db op obj
self.db_ops = db_ops
#存儲一個person的map
self.person = {}
#當(dāng)前的tag
self.current_tag = ""
#是否是tag之間的內(nèi)容 ,目的拿到tag間內(nèi)容,不受空白的干擾
self.in_quote = 0
#開始,清空map
def startElement(self, name, attr):
#以person,清空map
if name == "person":
self.person = {}
#記錄 狀態(tài)
self.current_tag = name
self.in_quote = 1
#結(jié)束,插入數(shù)據(jù)庫
def endElement(self, name):
#以person結(jié)尾 代表讀取一個person的信息結(jié)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))
#處理
self.in_quote = 0
def characters(self, content):
#若是在tag之間的內(nèi)容,更新到map中
if self.in_quote:
self.person.update({self.current_tag: content})
加上入庫的完整代碼
#!/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")
#數(shù)據(jù)庫方法
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 處理類
from xml.sax import handler,parseString
class PersonHandler(handler.ContentHandler):
def __init__(self, db_ops):
#db op obj
self.db_ops = db_ops
#存儲一個person的map
self.person = {}
#當(dāng)前的tag
self.current_tag = ""
#是否是tag之間的內(nèi)容
self.in_quote = 0
#開始,清空map
def startElement(self, name, attr):
#以person,清空map
if name == "person":
self.person = {}
#記錄 狀態(tài)
self.current_tag = name
self.in_quote = 1
#結(jié)束,插入數(shù)據(jù)庫
def endElement(self, name):
#以person結(jié)尾 代表讀取一個person的信息結(jié)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))
#處理
self.in_quote = 0
def characters(self, content):
#若是在tag之間的內(nèi)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 轉(zhuǎn)碼 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()
相關(guān)文章
Python輸出漢字字庫及將文字轉(zhuǎn)換為圖片的方法
這篇文章主要介紹了Python輸出漢字字庫及將文字轉(zhuǎn)換為圖片的方法,分別用到了codecs模塊和pygame模塊,需要的朋友可以參考下2016-06-06
Tensorflow2.10使用BERT從文本中抽取答案實現(xiàn)詳解
這篇文章主要為大家介紹了Tensorflow2.10使用BERT從文本中抽取答案實現(xiàn)詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2023-04-04
Python制作當(dāng)年第一款手機游戲-貪吃蛇游戲(練習(xí))
這篇文章主要介紹了Python制作當(dāng)年第一款手機游戲-貪吃蛇游戲,文章利用Python?pygame做一個貪吃蛇的小游戲而且講清楚每一段代碼是用來干嘛的,需要的朋友可以參考一下2022-01-01
基于python實現(xiàn)微信好友數(shù)據(jù)分析(簡單)
本文主要介紹利用網(wǎng)頁端微信獲取數(shù)據(jù),實現(xiàn)個人微信好友數(shù)據(jù)的獲取,并進行一些簡單的數(shù)據(jù)分析,本文通過實例代碼給大家介紹的非常詳細,具有一定的參考借鑒價值,需要的朋友參考下吧2020-02-02
編寫Python腳本批量下載DesktopNexus壁紙的教程
這篇文章主要介紹了編寫Python腳本批量下載DesktopNexus壁紙的教程,相較于普通的爬蟲抓取,本文的下載壁紙教程還包括了設(shè)置所要下載的分辨率等功能的實現(xiàn),需要的朋友可以參考下2015-05-05
python實現(xiàn)批量轉(zhuǎn)換圖片為黑白
這篇文章主要為大家詳細介紹了python實現(xiàn)批量轉(zhuǎn)換圖片為黑白,文中示例代碼介紹的非常詳細,具有一定的參考價值,感興趣的小伙伴們可以參考一下2020-06-06

