使用 beautifulsoup 将 xml 文件解析为 csv 文件答案

【问题标题】：Parsing xml files to csv file using beautifulsoup使用 beautifulsoup 将 xml 文件解析为 csv 文件
【发布时间】：2022-01-26 01:31:55
【问题描述】：

我正在尝试解析多个（最终超过 1000 个）xml 文件以获取三个信息 persName、@ref 和 /date。我设法获取了所有文件，当我使用 print() 时，它为我提供了我想要的所有信息。但是，当我尝试将该信息写入 csv 文件时，只会解析最后一个 xml 文件。

from bs4 import BeautifulSoup
import csv
import os
path = r'C:\programming1\my-app'

for filename in os.listdir(path):
    if filename.endswith(".xml"):
        fullpath = os.path.join(path, filename)

        f = csv.writer(open("test2.csv", "w"))
        f.writerow(["date", "Name", "pref"])

        soup = BeautifulSoup (open(fullpath, encoding="utf-8"), "lxml")
        # removing unnecessary information to better isolate //date
        for docs in soup.find_all('tei'):
            for pubstmt in soup.find_all("publicationStmt"): 
                pubstmt.decompose()
            for sourdesc in soup.find_all("sourceDesc"):
                sourdesc.decompose()
            for lists in soup.find_all("list"):
                lists.decompose()
            for heads in soup.find_all("head"):
                lists.decompose()
            #finding all dates of Protokolls under /title
            for dates in soup.find_all("date"):
                date = dates.get('when')

            #getting all Names from xml files exept for thos in /list
            for Names in soup.find_all("persname"):
                nameonly = Names.contents
                nameref = Names.get("ref")
                f.writerow([date, nameonly, nameref])'

如果我把 writerow 放在 Names 下面，那么它只会写入最后一个文件的所有信息，如果我把 writerow 放在 Names 后面，那么它只会写入一个名字的信息

谁能告诉我我做错了什么？我尝试了很多 for 循环，但似乎都没有。

【问题讨论】：

您最好使用xml parser。
open("test2.csv", "w") 表示打开覆盖。改用"a" 追加
你能做到吗？
@ZachYoung 这确实很好地解决了问题。我确实最终选择了“尝试”循环，因为它看起来更有条理

标签： python xml csv parsing beautifulsoup

【解决方案1】：

你写道：

但是，当我尝试将该信息写入 csv 文件时，只会解析最后一个 xml 文件。

通过阅读您的代码，正在发生的事情是：

每个 XML 都被解析，但只有最后一个 XML 文件被写入 CSV

那是因为您正在为每个输入 XML 打开 test2.csv “用于编写”。当您打开写入时，"w"，它会创建文件，或者在您的情况下，它重新-为每次迭代创建文件（覆盖其内容）。

因为你想要一个标题：

您需要在开始迭代 XML 之前打开 CSV
写你的标题
循环处理您的 XML 并将其写入 CSV
在最底部，退出循环后，关闭 CSV

【讨论】：