从大量xml文件中提取一些数据

Question

我将板球运动员配置文件以 .xml 文件的形式保存在文件夹中。每个文件中都包含以下标签：

 <playerid>547</playerid>
 <majorteam>England</majorteam>
 <playername>Don</playername>

playerid 与 .xml 中的相同（每个文件的大小不同，1kb 到 5kb）。这些文件大约有 500 个。我需要的是将所有这些文件中的玩家名、主要球队和玩家 ID 提取到一个列表中。稍后我会将该列表转换为 XML。如果您知道我如何直接对 XML 进行操作，我将非常感激。

如果有办法使用 C# 或 Windows 批处理文件或 vbscript 来完成此操作，我也可以使用 Java。我只需要在一处获取我的数据（ID 和姓名）。

Answer 1

你为什么不直接做 cat *.xml > all.xml？

Answer 2

使用 xsd.exe 从 XML 文件生成架构和类。

打开 Visual Studio 2008 命令提示符。
从 Visual Studio 2008 命令提示符中，运行

c:\temp>; xsd.exeplayer.xml

这会根据您的 XML 文件生成 XML 架构。

接下来，从 Visual Studio 2008 命令提示符中运行

c:\temp>; xsd.exe player.xsd /classes /语言:CS

这将根据您的架构创建一个新类。

现在使用您生成的类编写代码来反序列化 XML 文件；您可以将此代码放在一个循环中以处理多个文件。

FileStream fs = new FileStream("Player.XML", FileMode.Open);
// Create an XmlSerializer object to perform the deserialization
XmlSerializer xs = new XmlSerializer(typeof(Player));

Player p = xs.Deserialize(fs) as Player;
if ( s != null )
{
    // process player here          
}

Answer 3

如果我必须完成这项任务，我可能会用 Perl 来完成。前面关于连接 (cat) 所有文件的建议并不正确，因为您最终得到的将不是一个有效的 XML 文件，而是一堆背靠背的有效 XML 文件。

Perl 有一个名为 CPAN 的库，其中包含完成任务的各种内容。如果您安装了XPath Library，它应该很漂亮轻松搜索所需的节点并将其输出到列表中。

如果 XPath 太麻烦，您可能还需要研究正则表达式，俗称正则表达式。 Perl 拥有令人惊叹的正则表达式支持。

如果我必须使用 Java，我可能会使用 Sun 的 XML 流 API (StAX)。

Answer 4

选择您喜欢的脚本语言。我的是Python。

用那种语言来说，这就是您正在寻找的内容：

import xml.dom.minidom
import glob
from xml.parsers.expat import ExpatError

base_doc = xml.dom.minidom.parseString('<players/>')
doc_element = base_doc.documentElement

for filename in glob.glob("*.xml"):
    f = open( filename )
    x = f.read()
    f.close()
    try:
        player = xml.dom.minidom.parseString(x)
    except ExpatError:
        print "ERROR READING FILE %s" % filename
        continue
    print "Read file %s" % filename
    doc_element.childNodes.insert(-1, player.documentElement.cloneNode(True))

f = open( "all_my_players.xml", "w" )
f.write(doc_element.toxml())
f.close()