用Python提取XML里的内容，存到Excel中

最近做一个项目是解析XML文件，提取其中的chatid和lt、timestamp等信息，存到excel里。

1.解析xml，提取数据

使用python自带的xml.dom中的minidom（也可以用lxml）

xml文件如下：

minidom.parse()#解析文件，返回DOM对象

_get_documentElement()DOM是树形结构，获得了树形结构的根节点

getElementsByTagName()根据name查找根目录下的子节点

getAttribute()获取DOM节点的属性的值

提取的代码如下：

class get_xml():
    #加载获取xml的文档对象
    def __init__(self,address):
        #解析address文件，返回DOM对象，address为文件地址
        self.doc = minidom.parse(address)
        #DOM是树形结构，_get_documentElement()获得了树形结构的根节点
        self.root = self.doc._get_documentElement()
        #.getElementsByTagName()，根据name查找根目录下的子节点
        self.httpSample_nodes = self.root.getElementsByTagName('httpSample')

    def getxmldata(self):

        data_list=[]
        j = -1
        responseData_node = self.root.getElementsByTagName("responseData")
        for i in self.httpSample_nodes:
            j = j+1
            #getAttribute()，获取DOM节点的属性的值
            if i.getAttribute("lb") == "发送信息":
                a = 'chatId":"(.*?)"'
            elif i.getAttribute("lb") == "接收信息":
                # a = "chatId%3A%22(.*?)%22"
                a = "info%3A%22(.*?)%22"
            if (i.getAttribute("lb") == "发送信息" or i.getAttribute("lb") == "接收信息") and i.getAttribute("rc") == "200":
                try:
                    #使用re包里面的方法，通过正则表达式提取数据
                    b = re.search(a, responseData_node[j].firstChild.data)
                    if b is not None:
                        d = b.group(1)
                        print("d:",d)
                        data_list.append((d, i.getAttribute("ts"), i.getAttribute("lt"),i.getAttribute("lb")))
                except:
                    pass
        return data_list

2.存储为Excel，导出数据到Excel

用到的包openpyxl，openpyxl.workbook下的Workbook()用来在内存里创建文件，最后写进磁盘的

wb = load_workbook(filename = XXXX.xlsx)：读取Excel文件，文件地址为XXXX.xlsx

wb = Workbook()：创建一个Workbook对象

ew = ExcelWriter(workbook = wb)：新建一个excelWriter，最后用来保存

wb.create_sheet(0, 'XXX')：新建一个sheet，位置是0，sheet名字是XXX

ws = wb.worksheets[0]：打开一个sheet，sheet位置是0，即第1个sheet

ws.cell(row=1,column=1).value = XXX：在1行1列的位置加入数据XXX

ew.save(filename = XXXX.xlsx)：将数据导出到本地，本地文件地址为XXXX.xlsx

一个导出Excel的例子如下：

import openpyxl
from openpyxl import writer,load_workbook
# Workbook用来在内存里创建文件最后写进磁盘的
from openpyxl.workbook import workbook, Workbook
from openpyxl.writer.excel import ExcelWriter

from openpyxl.cell import get_column_letter
# if __name__ == "__main__":
def importexcel(match,dest_filename):
    if(os.path.exists(dest_filename)):
        wb = load_workbook(filename=dest_filename)
    else:
        wb = Workbook()
    ew = ExcelWriter(workbook = wb)
    #创建一个新sheet
    wb.create_sheet(0, '聊聊发送接收请求')
    # 打开已存在的第一个sheet，也可以用get_sheet_names获得所有的sheet的名字
    ws = wb.worksheets[0]
    ws.title = "聊聊发送接收请求"
    ws.cell('A1').value = "chartid"
    ws.cell('B1').value = "接收时间戳"
    ws.cell('C1').value = "发送时间戳"
    ws.cell('D1').value = "时间戳差"
    ws.cell('E1').value = "接收lt"
    ws.cell('F1').value = "发送到接收的响应时间"


    l = 2
    for i in match:
        ws.cell(row=l,column=1).value = i['chatId']
        ws.cell(row=l,column=2).value = i['accept_timestamp']
        ws.cell(row=l,column=3).value = i['send_timestamp']
        ws.cell(row=l,column=4).value = i['timestamp_gap']
        ws.cell(row=l,column=5).value = i['accept_lt']
        ws.cell(row=l,column=6).value = i['response_time']
        print(i,l)
        l = l+1
    ew.save(filename = dest_filename)