如何解决将嵌套的xml标记加载到BQ数组类型中
我调用一个API来获取一个请求中某些ID的更新详细信息。 API响应格式为XML。取决于id,xml的方案可能会略有不同。此数据存储在Bigquery中,并且在最终表中有一些字段作为“记录重复”类型,例如:
title
title.size
title.type
title.subtype
title.lang
cast
cast.name
cast.lang
cast.text
用于API调用的XML如下所示:
<id id='id1'>
<titles lang="en">
<title size="120" type="full" subType="Main" lang="en">Mom</title>
<title size="70" type="red" lang="en">Mom</title>
<title size="40" type="red" lang="en">Mom</title>
<title size="20" type="red" lang="en">Mom</title>
<title size="10" type="red" lang="en">Mom</title>
</titles>
<abc> </abc>
<description></description>
</id>
<id id='id2'>
<casts lang="en">
<cast name="abcd" lang="en">abcs</cast>
<cast name="acbbb" lang="en">abcs33</cast>
<cast name="abcs" lang="en">abcs45</cast>
<cast name="abcsd" lang="en">abcs56</cast>
<cast name="abcwe" lang="en">abcs67</cast>
</casts>
<abc> </abc>
<description></description>
</id>
我首先尝试将xml文件转换为json并将其加载到BQ,但是由于该方案无法解决,因此无法利用此方法。据我搜索,使用pandas数据框也不太有效,如果我错了,请纠正我。
如何在python中将数据加载到BQ?
解决方法
我将打印出数据并自己组装:)
from simplified_scrapy import SimplifiedDoc
html = '''
<id id='id1'>
<titles lang="en">
<title size="120" type="full" subType="Main" lang="en">Mom</title>
<title size="70" type="red" lang="en">Mom</title>
<title size="40" type="red" lang="en">Mom</title>
<title size="20" type="red" lang="en">Mom</title>
<title size="10" type="red" lang="en">Mom</title>
</titles>
<abc> </abc>
<description></description>
</id>
<id id='id2'>
<casts lang="en">
<cast name="abcd" lang="en">abcs</cast>
<cast name="acbbb" lang="en">abcs33</cast>
<cast name="abcs" lang="en">abcs45</cast>
<cast name="abcsd" lang="en">abcs56</cast>
<cast name="abcwe" lang="en">abcs67</cast>
</casts>
<abc> </abc>
<description></description>
</id>
'''
dic = {}
doc = SimplifiedDoc(html)
# ids = doc.selects('id') # Get all ids
# child = ids.child # Gets the first child node of each id
# children = child.children # Gets all child nodes
ids = doc.selects('id').child.children
for id in ids:
for item in id:
print ({i:item[i] for i in item if i != 'html'},item.text)
结果:
{'tag': 'title','size': '120','type': 'full','subType': 'Main','lang': 'en'} Mom
{'tag': 'title','size': '70','type': 'red','size': '40','size': '20','size': '10','lang': 'en'} Mom
{'tag': 'cast','name': 'abcd','lang': 'en'} abcs
{'tag': 'cast','name': 'acbbb','lang': 'en'} abcs33
{'tag': 'cast','name': 'abcs','lang': 'en'} abcs45
{'tag': 'cast','name': 'abcsd','lang': 'en'} abcs56
{'tag': 'cast','name': 'abcwe','lang': 'en'} abcs67
还有更多示例:https://github.com/yiyedata/simplified-scrapy-demo/tree/master/doc_examples
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。