使用 Perl 将 CSV 文件转换为 XML

Converting CSV file to XML with Perl

提问人：Toine de L 提问时间：1/25/2021 最后编辑：galizienToine de L 更新时间：1/26/2021 访问量：269

问：

我正在尝试解析 CSV 文件并将其转换为 XML。.csv 文件由条目列表组成，用逗号分隔。因此，两个示例条目如下所示：

License,Date,Mileage
04-nh-pd,17-11-2020,30000
19-tg-jr,17-11-2020,36000

预期输出：

<?xml version="1.0" encoding="UTF-8" ?><ns1:ImportObjectMileage xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:ns1="http://www.co-maker.nl/LeaseOffice/types">
<ns1:ObjectMileage><ns1:object_code>04-nh-pd</ns1:object_code><ns1:mileagedate>17-11-2020</ns1:mileagedate><ns1:mileage>30000</ns1:mileage><ns1:icode_mileagecause_ecode>KEUR</ns1:icode_mileagecause_ecode></ns1:ObjectMileage>
<ns1:ObjectMileage><ns1:object_code>19-tg-jr</ns1:object_code><ns1:mileagedate>17-11-2020</ns1:mileagedate><ns1:mileage>36000</ns1:mileage><ns1:icode_mileagecause_ecode>KEUR</ns1:icode_mileagecause_ecode></ns1:ObjectMileage>

到目前为止，我的代码：

#!perl
use strict;
# Open the ch2_xml_users.csv file for input
open(CSV_FILE, "ch2_xmlusers.csv") || die "Can't open file: $!";

# Open the ch2_xmlusers.xml file for output
open(XML_FILE, ">ch2_xmlusers.xml") || die "Can't open file: $!";

# Print the initial XML header and the root element
print XML_FILE '<?xml version="1.0" encoding="UTF-8" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:ns1="http://www.co-maker.nl/LeaseOffice/types';


my $kenteken = "";
# The while loop to traverse through each line in users.csv
while(<CSV_FILE>) {
    chomp; # Delete the new line char for each line
    # Split each field, on the comma delimiter, into an array
    my @fields = split(/,/, $_);
  $kenteken .= <<"EOF";
    <ns1:ObjectMileage><ns1:object_code>$fields[0]</ns1:object_code><ns1:mileagedate>$fields[1]</ns1:mileagedate><ns1:mileage>$fields[2]</ns1:mileage><ns1:icode_mileagecause_ecode>$fields[3]</ns1:icode_mileagecause_ecode></ns1:ObjectMileage>
    
EOF
}

print XML_FILE "\n".$kenteken."\n";


# Close all open files
close CSV_FILE;
close XML_FILE;

到目前为止，我的输出：

<?xml version="1.0" encoding="UTF-8" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:ns1="http://www.co-maker.nl/LeaseOffice/types
    <ns1:ObjectMileage><ns1:object_code>License</ns1:object_code><ns1:mileagedate>Date</ns1:mileagedate><ns1:mileage>Mileage</ns1:mileage><ns1:icode_mileagecause_ecode></ns1:icode_mileagecause_ecode></ns1:ObjectMileage>
    
    <ns1:ObjectMileage><ns1:object_code>04-nh-pd</ns1:object_code><ns1:mileagedate>17-11-2020</ns1:mileagedate><ns1:mileage>30000</ns1:mileage><ns1:icode_mileagecause_ecode></ns1:icode_mileagecause_ecode></ns1:ObjectMileage>
    
    <ns1:ObjectMileage><ns1:object_code>19-tg-jr</ns1:object_code><ns1:mileagedate>17-11-2020</ns1:mileagedate><ns1:mileage>36000</ns1:mileage><ns1:icode_mileagecause_ecode></ns1:icode_mileagecause_ecode></ns1:ObjectMileage>
    
    <ns1:ObjectMileage><ns1:object_code></ns1:object_code><ns1:mileagedate></ns1:mileagedate><ns1:mileage></ns1:mileage><ns1:icode_mileagecause_ecode></ns1:icode_mileagecause_ecode></ns1:ObjectMileage>
    
    <ns1:ObjectMileage><ns1:object_code></ns1:object_code><ns1:mileagedate></ns1:mileagedate><ns1:mileage></ns1:mileage><ns1:icode_mileagecause_ecode></ns1:icode_mileagecause_ecode></ns1:ObjectMileage>

标题下方的第一行和最后 2 行不应显示在输出中。 此外，数据之间的空行不正确。有人可以帮我写剧本吗？

Perl XML 解析

评论

0赞 simbabque 1/26/2021
您不是缺少 的结束 XML 标记吗？<ns1:ImportObjectMileage>

答：

3赞 TLP 1/26/2021 #1

您在 heredoc 中添加 2 个换行符，打印时再添加 2 个换行符。如果你不想要那么多换行符，为什么不删除其中的一些呢？

至于你的输出，你可以考虑在循环中声明变量，并直接打印：

while (<>) {
    ...
    my $kenteken = ....
    print ...
}

这样，每个新的输入行都会得到一个新的温度变量。

但是，当您可以跳过临时变量时，为什么要使用它呢？例如，您可以像这样使用 printf：

printf XML_FILE "<ns1:ObjectMileage><ns1:object_code>%s</ns1:object_code><ns1:mileagedate>%s</ns1:mileagedate><ns1:mileage>%s</ns1:mileage><ns1:icode_mileagecause_ecode>%s</ns1:icode_mileagecause_ecode></ns1:ObjectMileage>\n", @fields;

用法是 ，其中表示由 提供的字符串的占位符。请注意，我在末尾添加了一个换行符，这通常是打印行的方式。printf "%s", $var%s$var\n

末尾没有值的两行可能是输入文件中的空行。如果你在代码中使用过，你就已经知道这一点了。由于您没有这样做，因此您不会收到有关输入中的空行的警告，如下所示：use warnings

Use of uninitialized value in concatenation (.) or string at ...

您可以检查输入文件行并跳过空行以避免这种情况。例如：

while (<>) {
    next unless /\S/;   # skip lines without non-whitespace characters

那么现在......说了这么多，这不是你应该做的。您应该（可能）使用 csv 模块（如 Text：：CSV）来读取输入文件，然后使用 xml 模块来打印它。我对这些不是很熟悉，但如果你用谷歌搜索，你应该会找到一些建议。我听说过一些推荐XML：：LibXML的人。但是，不要问一个问题来寻求有关模块的建议，因为这与 stackoverflow 无关。如注释中所述，像您所做的那样打印简单的 XML 可能会很好。

评论

0赞 simbabque 1/26/2021
我不认为XML在这里只是文本有问题。他们毕竟没有读它。这是一个固定的结构，所以这是完全安全的。不过，在一个更大的系统中，我可能会有一个特定文件的模板。
1赞 vkk05 1/26/2021 #2

我对你的脚本进行了以下更改，看看这是否适合你。

  1. 始终使用词法文件句柄进行文件操作。
  2. xml 标题行关闭方式..types">
  3. 有几种方法可以跳过 CSV 文件的标头：
    3.1 通过将一行读入循环上方的 void 上下文来摆脱标头的模式匹配（如评论中提到的@simbabque）。
    3.2 如果 CSV 文件与 （） 匹配，则跳过 with 语句行。    line=~License,Date,Mileagenext
  4. 而不是一个接一个地连接，而是在 csv 读取操作本身时用必填字段写入行内容。kentekens

以下是更改后的脚本：

use strict; use warnings;

no warnings 'uninitialized';

open my $CSV_FILE, "<", "ch2_xmlusers.csv" or die "Cannot open a file: $!";
open my $XML_FILE, ">", "ch2_xmlusers.xml" or die "Cannot open a file: $!";

print $XML_FILE '<?xml version="1.0" encoding="UTF-8" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:ns1="http://www.co-maker.nl/LeaseOffice/types">'."\n";

my $kenteken = "";
my $csv_header = <$CSV_FILE>;

while(<$CSV_FILE>) {
    chomp; 
    my @fields = split ',', $_;
    $kenteken = <<"EOF";
<ns1:ObjectMileage><ns1:object_code>$fields[0]</ns1:object_code><ns1:mileagedate>$fields[1]</ns1:mileagedate><ns1:mileage>$fields[2]</ns1:mileage><ns1:icode_mileagecause_ecode>$fields[3]</ns1:icode_mileagecause_ecode></ns1:ObjectMileage>   
EOF
    print $XML_FILE $kenteken;
}
close $CSV_FILE;
close $XML_FILE;

结果：

<?xml version="1.0" encoding="UTF-8" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns:ns1="http://www.co-maker.nl/LeaseOffice/types">
<ns1:ObjectMileage><ns1:object_code>04-nh-pd</ns1:object_code><ns1:mileagedate>17-11-2020</ns1:mileagedate><ns1:mileage>30000
</ns1:mileage><ns1:icode_mileagecause_ecode></ns1:icode_mileagecause_ecode></ns1:ObjectMileage>   
<ns1:ObjectMileage><ns1:object_code>19-tg-jr</ns1:object_code><ns1:mileagedate>17-11-2020</ns1:mileagedate><ns1:mileage>36000</ns1:mileage><ns1:icode_mileagecause_ecode></ns1:icode_mileagecause_ecode></ns1:ObjectMileage>

评论

0赞 simbabque 1/26/2021
您可以通过将一行读入循环上方的 void 上下文来摆脱标头的模式匹配：<$CSV_FILE>; while ...
0赞 vkk05 1/26/2021
@simbabque：是的，这是个好主意。更新了答案。

上一个：如何使用Perl LibXML在缺少一个ChildNode的地方添加一个ChildNode？

下一个：从不在同一数组中但始终如下的解析 XML 文件中提取信息