python中xml Excel解析编码小结

最新推荐文章于 2024-10-23 10:51:10 发布

tzh_linux

最新推荐文章于 2024-10-23 10:51:10 发布

阅读量984

点赞数 1

CC 4.0 BY-SA版权

分类专栏： python 文章标签： python xml excel

本文链接：https://blog.youkuaiyun.com/tzh_linux/article/details/50415880

python 专栏收录该内容

14 篇文章

订阅专栏

本文介绍了一个使用Python将Excel数据转换为XML文件的过程，并详细讨论了解决编码问题的方法，包括如何处理Unicode与UTF-8之间的转换。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

python语言语法什么的还是比较简单的，像我这个学c语言的人学了半个月就敢在公司的项目中使用就可以看出python入门还是比较简单的。当然，作为一个菜鸟，使用中肯定是遇到很多问题的，比如令我相当头疼的就是编码问题了。公司的需求是让我解析xml(Excel)来转化为Excel(xml)，编码问题肯定是要考虑的问题。我用的是python自带的模块xml.dom.minidom来解析xml的，excel解析和生成用的是xlrd和xlwd，这里不多赘述，现在主要讲我遇到的问题。代码：

def GenerateXml():

    execlDataList = excel_table_byindex(file="file.xls") #获取表格数据的列表形式

    impl = xml.dom.minidom.getDOMImplementation()
    dom = impl.createDocument(None, 'user', None)
    root = dom.documentElement
    #employee = dom.createElement('COMP')
    #root.appendChild(employee)

    for row in execlDataList:
        nameE=dom.createElement('userInfo')
        for key in row:
            tmpkey = key
            tmpvalue = row[key]
            tmpkey = tmpkey.encode("utf-8")
            tmpvalue = tmpvalue.encode("utf-8")
            print type(tmpkey)
            print type(tmpvalue)
            nameE.setAttribute(tmpkey,tmpvalue) #增加属性
        root.appendChild(nameE)

    f= open('config_new.xml', 'a')
    #buf = StringIO.StringIO()
    dom.writexml(f, addindent='  ', newl='\n', encoding="utf-8")
    ##writexml(writer, indent, addindent, newl, encoding)
    #writer是文件对象
    #indent是每个tag前填充的字符，如：'  '，则表示每个tag前有两个空格
    #addindent是每个子结点的缩近字符
    #newl是每个tag后填充的字符，如：'/n'，则表示每个tag后面有一个回车
    #encoding是生成的XML信息头中的encoding属性值，在输出时minidom并不真正进行编码的处理，如果你保存的文本内容中有汉字，则需要自已进行编码转换。
    f.close()

    return f

这个函数主要是将解析到的Excel表格信息转化成xml消息。
在我看来，我们只要记住一点就是，python处理字符串的时候，，默认都是用的Unicode就好了。
而xml或者Excel中的字符串都是utf-8或者gbk等等其它。我们当然要转码了！
比如，我要写一个编码格式为utf-8的xml消息，我们就要在最后生成xml文件时将字符编码转为utf-8就好了。就是这么简单。当然我们转的时候应该建一个临时变量来接受key value的值，如果直接key = key.encode(“utf-8”)，row[key] = row[key].encode(“utf-8”)这么转的话是要报错的，key转成了utf-8格式，第二句就会报错，因为我们通过utf-8的key是查不到row[key]的。用一个临时变量来接收处理是一个好习惯。

excel如下：
这里写图片描述

这是生成的xml消息

<?xml version="1.0" encoding="utf-8"?>
<user>
  <userInfo 地址="172.16.1.239" 姓名="田振华" 用户="tianzh" 电话="15011262015" 索引="1" 配置="/etc"/>
  <userInfo 地址="1.1.1.1" 姓名="龚凡" 用户="gongf" 电话="110" 索引="2" 配置="/usr"/>
  <userInfo 地址="2.2.2.2" 姓名="安吉旺" 用户="anjw" 电话="120" 索引="3" 配置="/lib"/>
</user>
<?xml version="1.0" ?>
<user>

以上讲到的是我们直接从Excel文件中解析得到的字符串，我们经过转码写到xml中，这种情况是我们得到的字符串已经是Unicode的类型的字符串了，比如我们Excel中字符串“姓名”我们解析到的为u”\u59d3\u540d”，但是当我们自己自python代码中自己定义的中文字符串呢？如我们在一个utf-8编码的py文件中定义一个变量

key_list = [u"username",u"索引",u"姓名",u"配置",u"地址",u"电话"]

我们用print打印key_list也是这样的吗
结果证明python会帮我们解码为

[u'username', u'\u7d22\u5f15', u'\u59d3\u540d', u'\u914d\u7f6e', u'\u5730\u5740', u'\u7535\u8bdd']

如果这样定义呢
key_list = [“username”,”索引”,”姓名”]
打印出来是这样的
[‘\xe7\x94\xa8\xe6\x88\xb7’, ‘\xe7\xb4\xa2\xe5\xbc\x95’, ‘\xe5\xa7\x93\xe5\x90\x8d’,]
python会按utf-8转码，字符串不是Unicode编码格式，我们用之前还需要进行解码，因此，我们定义中文字符串的最好的方法就是每个字符串前面加u来表示字符串为Unicode编码格式。
因此我们只需要直接用就可以了。以上两种情况是我目前遇到的两种关于解码，编码的两种情况。