2

我有一个巨大的 XML 文件（大约 10 Gb），我需要将其转换为 CSV。现在该文件将包含有关众多客户的信息。我必须将其转换为 CSV 格式。问题是许多客户会有其他客户没有的额外字段，并且某些字段会重复。XML的例子是：

<customer>
<customerID>1</customerID>
    <auc>
        <algoId>0</algoId>
        <kdbId>1</kdbId>
        <acsub>1</acsub>
    </auc>
</customer>

<customer>
<customerID>2</customerID>
    <auc>
        <algoId>0</algoId>
        <kdbId>1</kdbId>
        <acsub>1</acsub>
        <extraBit>12345</extraBit>
    </auc>
    <auc>
        <algoId>2</algoId>
        <kdbId>3</kdbId>
        <acsub>3</acsub>
        <extraBit>67890</extraBit>
    </auc>
        <customOptions>
            <odboc>0</odboc>
    <odbic>0</odbic>
    <odbr>1</odbr>
    <odboprc>0</odboprc>
    <odbssm>0</odbssm>
</customOptions>
</customer>

现在你可以看到第一个客户只有 1 个 auc 块，但第二个客户有 2 个，而且它在 auc 中还有一个额外的标签，即 extraBit。现在的问题：

  1. 我应该一次处理一位客户（从一位客户到 /customer，然后以此类推），因为 10 Gb 一次会使系统崩溃。

  2. 我尝试在循环中使用 XML TWIG，当我尝试为客户 1 使用 extraBit 时，它终止了“未定义值”的程序：

    打印 $customer->first_child('extraBit')->text()

    无法在 xml-tags.pl 第 50 行的未定义值上调用方法“文本”。

  3. 对于客户的额外 auc 值，我希望它们在 CSV 文件中输出为：

    customerID,algoId,kdbId,acsub,extraBit,algoId2,kdbId2,acsub2,extraBit2

    1,0,1,1,,,,,,,

    2,0,1,1,1234,2,3,3,67890

4

1 回答 1

3 
print $customer->first_child('extraBit')->text()

您可以通过使用来避免未定义的错误first_child_text，它被定义为如果找不到匹配的子元素则返回一个空字符串。

print $customer->first_child_text('extraBit')

完整的代码将类似于

my $t= XML::Twig->new(
  twig_handlers => { customer => \&process_customer });
$t->parsefile('file.xml');

sub process_customer {
  my ($t, $customer) = @_;
  print $customer->first_child_text('customerID');
  foreach my $auc ($customer->children('auc')) {
    print ',', $auc->first_child_text('algoId'),
          ',', $auc->first_child_text('kdbId'),
          ',', $auc->first_child_text('acsub'),
          ',', $auc->first_child_text('extraBit');
  }
  print "\n"
  $customer->purge;
}
于 2013-02-26T15:30:36.890 回答