使用 beautifulsoup 将 xml 个文件解析为 csv 文件

Question

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。我已经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，仅解析最后一个 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])'

如果我将 writerow 放在名称下方，那么它只会写入最后一个文件的所有信息，如果我将 writerow 放在名称后面，那么它只会写入一个名称的信息

有人能告诉我我做错了什么吗？我已经尝试了很多 for 循环并且 none 似乎有效。

Answer 1

您写道：

However when I try to write that information to a csv file only the last xml file is parsed.

通过阅读您的代码，发生的事情是：

every XML is parsed, but only the last XML file is written to the CSV

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

因为你想要 header:

您需要在开始迭代 XMLs
写下你的header
遍历您的 XML 处理并写入 CSV
在最底部，退出循环后，关闭 CSV

使用 beautifulsoup 将 xml 个文件解析为 csv 文件

Parsing xml files to csv file using beautifulsoup

python

xml

csv

parsing

beautifulsoup