使用存储在 CSV 文件中的值更新 Python lxml etree subElement 属性答案

【问题标题】：Updating Python lxml etree subElement attributes with values stored in CSV file使用存储在 CSV 文件中的值更新 Python lxml etree subElement 属性
【发布时间】：2021-12-16 07:57:35
【问题描述】：

我是 Python 新手，我可能在这里忽略了一些东西，但我找不到解决方案。我的问题与此处提出的问题有相似之处，但由于它使用 Pandas，我无法为我的案例找到类似的解决方案：Updating LXML attributes with values stored in CSV file

如何从 CSV 的行中获取 subElement 属性，而不是将其写为常量？我的测试 CSV 看起来像这样：

Gruppering,Personnummer,Anstallningsnummer,From,Tom,Avtalstillhorighet,Pensionsalder,Anstallningstyp,Avslutsorsak
1967112912341,196711291234,1,2012-05-01,2012-05-31,PA03,65,H3,S7
1979041212341,197904121234,1,2011-03-01,2011-03-31,PA03,65,H3,S7
1979041212342,197904121234,2,2012-03-01,2012-03-31,PA03,65,H3,S7
1979041212343,197904121234,3,2013-03-01,2013-03-31,PA03,65,H3,S7
1977012912341,197701291234,1,2011-11-01,2011-11-30,PA03,65,H3,S7
1974040412341,197404041234,1,2011-03-01,2011-03-31,PA03,65,H3,S7
1988090712341,198809071234,1,2012-06-01,2012-06-30,PA03,65,H3,S7
1988090712342,198809071234,2,2013-06-01,2013-06-30,PA03,65,H3,S7

我的代码创建了一个如下所示的 XML：

<Arbetstagare Personnummer="Test">
    <Anstallning Anstallningsnummer="Test">
      <Period>
        <From>2012-05-01</From>
        <Tom>2012-05-31</Tom>
        <Avtalstillhorighet>PA03</Avtalstillhorighet>
        <Pensionsalder>65</Pensionsalder>
        <Anstallningstyp>H3</Anstallningstyp>
        <Avslutsorsak>S7</Avslutsorsak>
      </Period>
    </Anstallning>
  </Arbetstagare>

而不是 Personnummer="Test" 和 Anstallningsnummer="Test" 我希望属性值是 CSV 中行的第 2 列和第 3 列中的值。因此 XML 的前两行应为：

<Arbetstagare Personnummer="196711291234">
    <Anstallning Anstallningsnummer="1">

我的代码的相关部分如下所示：

from lxml import etree
from itertools import groupby
import csv

with open(r'\\ora-2.ug.test.se\utdata\Diverse filer\Öppna H3\Arbetsdokument\TestCSV.csv') as data_file:
    reader = csv.DictReader(data_file)
    f = lambda x: x['Gruppering']
    data = sorted(list(reader), key=f)

    root = etree.Element('root')
    for k, g in groupby(data, key=f):
        Personnummer = etree.SubElement(root, 'Arbetstagare', Personnummer='Test') 
        Anstallningsnummer = etree.SubElement(Personnummer, 'Anstallning', Anstallningsnummer='Test')

我想我必须使用 Personnummer.attrib["Personnummer"] = ???或 Personnummer.set(attr, value) 但如何从 CSV 中获取值？

【问题讨论】：

标签： python csv lxml itertools elementtree

【解决方案1】：

在查阅了 DictReader 文档 here 之后，我会推荐如下内容：

from lxml import etree
from itertools import groupby
import csv

with open(r'TestCSV.csv') as data_file:
    reader = csv.DictReader(data_file)
    root = etree.Element('root')
    for row in sorted(reader, key=lambda x:x['Gruppering']):
        Personnummer = etree.SubElement(root, 'Arbetstagare', Personnummer=row['Personnummer'])
        Anstallningsnummer = etree.SubElement(Personnummer, 'Anstallning', Anstallningsnummer=row['Anstallningsnummer'])
        Period = etree.SubElement(Anstallningsnummer, 'Period')
        etree.SubElement(Period, 'From', ).text = row['From']
        etree.SubElement(Period, 'Tom', ).text = row['Tom']
        etree.SubElement(Period, 'Avtalstillhorighet', ).text = row['Avtalstillhorighet']
        etree.SubElement(Period, 'Pensionsalder', ).text = row['Pensionsalder']
        etree.SubElement(Period, 'Anstallningstyp', ).text = row['Anstallningstyp']
        etree.SubElement(Period, 'Avslutsorsak', ).text = row['Avslutsorsak']

with open('testoutput.xml', 'wb') as f:
    f.write(etree.tostring(root))

您的示例中的data 只是Python 字典的列表，每个字典中的信息都可以这样访问。

您可能也在考虑如何按“Gruppering”进行分组，只需要按它排序即可。

输出：

<root>
    <Arbetstagare Personnummer="196711291234">
        <Anstallning Anstallningsnummer="1">
            <Period>
                <From>2012-05-01</From>
                <Tom>2012-05-31</Tom>
                <Avtalstillhorighet>PA03</Avtalstillhorighet>
                <Pensionsalder>65</Pensionsalder>
                <Anstallningstyp>H3</Anstallningstyp>
                <Avslutsorsak>S7</Avslutsorsak>
            </Period>
        </Anstallning>
    </Arbetstagare>
    <Arbetstagare Personnummer="197404041234">
        <Anstallning Anstallningsnummer="1">
            <Period>
                <From>2011-03-01</From>
                <Tom>2011-03-31</Tom>
                <Avtalstillhorighet>PA03</Avtalstillhorighet>
                <Pensionsalder>65</Pensionsalder>
                <Anstallningstyp>H3</Anstallningstyp>
                <Avslutsorsak>S7</Avslutsorsak>
            </Period>
        </Anstallning>
    </Arbetstagare>
    <Arbetstagare Personnummer="197701291234">
        <Anstallning Anstallningsnummer="1">
            <Period>
                <From>2011-11-01</From>
                <Tom>2011-11-30</Tom>
                <Avtalstillhorighet>PA03</Avtalstillhorighet>
                <Pensionsalder>65</Pensionsalder>
                <Anstallningstyp>H3</Anstallningstyp>
                <Avslutsorsak>S7</Avslutsorsak>
            </Period>
        </Anstallning>
    </Arbetstagare>
    <Arbetstagare Personnummer="197904121234">
        <Anstallning Anstallningsnummer="1">
            <Period>
                <From>2011-03-01</From>
                <Tom>2011-03-31</Tom>
                <Avtalstillhorighet>PA03</Avtalstillhorighet>
                <Pensionsalder>65</Pensionsalder>
                <Anstallningstyp>H3</Anstallningstyp>
                <Avslutsorsak>S7</Avslutsorsak>
            </Period>
        </Anstallning>
    </Arbetstagare>
    <Arbetstagare Personnummer="197904121234">
        <Anstallning Anstallningsnummer="2">
            <Period>
                <From>2012-03-01</From>
                <Tom>2012-03-31</Tom>
                <Avtalstillhorighet>PA03</Avtalstillhorighet>
                <Pensionsalder>65</Pensionsalder>
                <Anstallningstyp>H3</Anstallningstyp>
                <Avslutsorsak>S7</Avslutsorsak>
            </Period>
        </Anstallning>
    </Arbetstagare>
    <Arbetstagare Personnummer="197904121234">
        <Anstallning Anstallningsnummer="3">
            <Period>
                <From>2013-03-01</From>
                <Tom>2013-03-31</Tom>
                <Avtalstillhorighet>PA03</Avtalstillhorighet>
                <Pensionsalder>65</Pensionsalder>
                <Anstallningstyp>H3</Anstallningstyp>
                <Avslutsorsak>S7</Avslutsorsak>
            </Period>
        </Anstallning>
    </Arbetstagare>
    <Arbetstagare Personnummer="198809071234">
        <Anstallning Anstallningsnummer="1">
            <Period>
                <From>2012-06-01</From>
                <Tom>2012-06-30</Tom>
                <Avtalstillhorighet>PA03</Avtalstillhorighet>
                <Pensionsalder>65</Pensionsalder>
                <Anstallningstyp>H3</Anstallningstyp>
                <Avslutsorsak>S7</Avslutsorsak>
            </Period>
        </Anstallning>
    </Arbetstagare>
    <Arbetstagare Personnummer="198809071234">
        <Anstallning Anstallningsnummer="2">
            <Period>
                <From>2013-06-01</From>
                <Tom>2013-06-30</Tom>
                <Avtalstillhorighet>PA03</Avtalstillhorighet>
                <Pensionsalder>65</Pensionsalder>
                <Anstallningstyp>H3</Anstallningstyp>
                <Avslutsorsak>S7</Avslutsorsak>
            </Period>
        </Anstallning>
    </Arbetstagare>
</root>

【讨论】：

感谢@Forensic_07，它解决了问题的第一部分。但是我得到 NameError: name 'g' is not defined，因为在新代码中 G 不再定义。如何在保留新代码的同时定义 G？这是生成名称错误的代码。 Period = etree.SubElement(Anstallningsnummer, 'Period') for entry in g: Personnummer = etree.SubElement(Period, 'Personnummer') Anstallningsnummer = etree.SubElement(Period, 'Anstallningsnummer') Personnummer.text = entry[ 'Personnummer'] Anstallningsnummer.text = entry['Anstallningsnummer']
这与我的第一个代码中出现的 itertools 和 groupby() 迭代器 (Documentation) 有关，但被排除在 Forensic_07 的建议之外
你想用 groupby 完成什么？我不确定你是否需要它。
已扩展答案以匹配我认为您的预期输出。
非常感谢！那成功了。我还有很多东西要学！