国产化Excel开发组件Spire.XLS教程：使用Python将CSV转换为XML（处理现实数据问题）

CSV 因其简洁和跨平台的广泛支持，是最常见的表格数据交换格式之一。然而，当需要处理结构化应用程序、配置文件或层次化数据时，XML 通常成为首选格式，因为它能够表示嵌套关系并提供更严格的数据验证。

在本指南中，我们将探讨如何使用 Spire.XLS for Python 将 CSV 文件转换为 XML。你将学习如何将 CSV 转换为 Excel XML 格式以及 标准 XML 。同时，我们还将介绍如何清理和预处理真实世界中的 CSV 文件——处理无效表头、缺失值、特殊字符和嵌套字段等问题，以确保生成的 XML 输出始终有效且结构正确。

Spire.XLS for Python试用下载，请联系慧都科技

欢迎加入Spire技术交流Q群（125237868），与更多小伙伴一起提升文档开发技能~

为什么要将 CSV 转换为 XML

为什么开发者需要将 CSV 转 XML 呢？以下是一些实际应用场景：

  • 企业数据迁移 ： 许多企业级应用程序（如 ERP 或 CRM 系统）在批量导入数据时要求 XML 格式。
  • 配置与元数据 ： XML 常用于存储结构化元数据，而原始数据可能以 CSV 形式提供。
  • 互操作性 ： 某些行业（如金融、医疗、政府）仍大量依赖 XML 数据格式进行数据交换。
  • 可读性报告 ：XML 可以表示层次化数据，比扁平化的 CSV 文件更具描述性。
  • 数据验证 ：XML 可通过 XSD 模式验证数据完整性，而 CSV 无法直接实现此功能。

CSV 以简洁取胜，XML 以结构见长。通过两者的互相转换，你可以兼得两种格式的优势。

准备工作

在开始编写代码之前，请确保准备好以下环境：

  • Python 3.7 及以上版本
  • Spire.XLS for Python → 一款功能强大的专业 Excel 操作库
  • 标准 Python 库 → xml.etree.ElementTree、csv 和 re

通过 pip 安装 Spire.XLS（假设系统中已安装 Python 和 pip）：

pip install spire.xls

此外，请准备一个测试用 CSV 文件，例如：

员工ID,姓名,部门,职位,入职日期,薪资
1001,张三,技术部,软件工程师,2021-03-15,15000
1002,李四,市场部,市场专员,2022-07-01,12000
1003,王五,技术部,产品经理,2020-11-10,18000
1004,赵六,人力资源部,招聘经理,2019-05-22,14000

将 CSV 转换为 Excel XML 格式

第一种方法是将 CSV 转换为 Excel 兼容的 XML 格式，也称为 SpreadsheetML （Excel 2003 引入）。这种格式可以被 Excel 直接打开。

使用 Spire.XLS，这一过程非常简单：

from spire.xls import *

# 创建 Workbook
workbook = Workbook()

# 加载 CSV 文件
workbook.LoadFromFile("input.csv", ",", 1, 1)

# 保存为 Excel XML格式
workbook.SaveAsXml("output.xml")

# 释放资源
workbook.Dispose()

工作原理

  1. 读取 CSV 文件 : 使用 LoadFromFile() 方法将 CSV 文件读取到工作簿中。
  2. 保存为Excel XML 格式 : 使用 SaveAsXml() 方法保存为 Excel XML 格式。

效果图 ：

将 CSV 转换为标准 XML

更多时候，你可能需要如下所示标准的XML 结构，而不是 Excel 兼容格式：

<Employee>
  <employee_id>1001</employee_id>
  <name>张三</name>
  <department>技术部</department>
  <position>软件工程师</position>
  <hire_date>2021-03-15</hire_date>
  <salary>15000</salary>
</Employee>

实现方式如下：

from spire.xls import *
import xml.etree.ElementTree as ET
from xml.dom import minidom

def chinese_to_english_tag(chinese_header):
    """
    将特定的中文列名转换为英文XML标签
    """
    mapping = {
        '员工ID': 'employee_id',
        '姓名': 'name', 
        '部门': 'department',
        '职位': 'position',
        '入职日期': 'hire_date',
        '薪资': 'salary'
    }
    # 去除前后空格后查找映射
    cleaned_header = chinese_header.strip()
    return mapping.get(cleaned_header, cleaned_header)

# Step 1: 加载 CSV 文件
workbook = Workbook()
workbook.LoadFromFile(r"C:\Users\Administrator\Desktop\input.csv", ",", 1, 1)
sheet = workbook.Worksheets[0]

# Step 2: 创建根节点
root = ET.Element("Employees")

# Step 3: 处理表头 - 中文列名转英文
headers = []
for col in range(1, sheet.Columns.Count + 1):
    cell_value = sheet.Range[1, col].Value
    if not cell_value:
        break
    english_tag = chinese_to_english_tag(str(cell_value))
    headers.append(english_tag)

# Step 4: 添加数据行
for row in range(2, sheet.Rows.Count + 1):
    if not sheet.Range[row, 1].Value:
        break
    employee = ET.SubElement(root, "Employee")
    for col, english_header in enumerate(headers, start=1):
        cell_value = sheet.Range[row, col].Value
        field = ET.SubElement(employee, english_header)
        field.text = str(cell_value) if cell_value is not None else ""

# Step 5: 保存为格式化的 XML 文件
xml_str = ET.tostring(root, encoding='utf-8')
pretty_xml = minidom.parseString(xml_str).toprettyxml(indent="  ")

with open("output/standard.xml", 'w', encoding='utf-8') as f:
    f.write(pretty_xml)

# 释放资源
workbook.Dispose()

工作原理

  1. 读取 CSV 文件 ：使用 LoadFromFile() 方法导入 CSV 数据，加载到工作表中。
  2. 创建 XML 根节点 ：创建根节点 <Employees>，用于存放所有员工信息。
  3. 转换表头 ：读取第一行表头，通过映射函数将中文列名转换为对应的英文标签，例如“员工ID”→employee_id，以确保生成的 XML 符合英文命名规范。
  4. 生成数据节点 ：从第二行开始遍历数据，为每一行创建 <Employee> 元素，并根据表头生成子标签填入数据。
  5. 格式化并保存 ：对生成的 XML 进行缩进美化后，保存为 standard.xml 文件。

效果图 ：

处理现实 CSV 数据问题

将“完美”的 CSV 转换为 XML 很容易，但实际 CSV 往往并不理想。以下是常见问题及对应解决方案：

  1. 无效的表头名称
  • 问题：如 “Employee ID” 或 “123Name” 在 XML 中无效。
  • 解决：将空格替换为下划线 _，或为数字开头的列名添加前缀。
  1. 空值或缺失值
  • 问题：缺失值可能导致 XML 结构错误。
  • 解决：将空值替换为占位符（如 NULL、Unknown、0）。
  1. 特殊字符
  • 问题：如 <, >, & 会破坏 XML。
  • 解决：使用转义字符 <, >, &。
  1. CSV 中的嵌套数据
  • 问题：某些单元格包含多个值，如：
OrderID,Customer,Products
1001,张三,"电脑;鼠标;键盘"

若直接转换，将丢失层次结构。

  • 解决：检测并拆分嵌套字段，生成层次化 XML：
<Products>
  <Product>电脑</Product>
  <Product>鼠标</Product>
  <Product>键盘</Product>
</Products>

中文列名转换为英文

  • 问题： XML 标签通常要求为英文，若 CSV 文件使用中文列名（如“姓名”、“部门”），生成的 XML 标签不符合通用标准。
  • 解决： 在生成 XML 前，将中文列名映射为对应的英文标签，例如“姓名”→“name”，“部门”→“department”。(如“将 CSV 转换为标准 XML”部分代码所示)

使用 clean_csv 自动清理

可使用以下辅助函数自动预处理 CSV （不包含中文列名转换为英文）：

import csv
import re

def clean_csv(input_file, output_file, nested_columns=None, nested_delimiter=";"):
    if nested_columns is None:
        nested_columns = []

    cleaned_rows = []

    # 转义 XML 特殊字符
    def escape_xml(text):
        return (text.replace("&", "&")
                    .replace("<", "<")
                    .replace(">", ">")
                    .replace('"', """)
                    .replace("'", "'"))

    with open(input_file, "r", encoding="utf-8") as infile:
        reader = csv.reader(infile)
        headers = next(reader)

        # 清理表头
        cleaned_headers = []
        for h in headers:
            h = h.strip()                              # 去除首尾空格
            h = re.sub(r"\s+", "_", h)                 # 将空格替换为下划线
            h = re.sub(r"[^a-zA-Z0-9_]", "", h)        # 移除非法字符
            if re.match(r"^\d", h):                    # 若表头以数字开头，则加前缀
                h = "Field_" + h
            cleaned_headers.append(h)

        cleaned_rows.append(cleaned_headers)

        # 读取所有行数据
        raw_rows = []
        for row in reader:
            # 将空单元格替换为 "NULL"
            row = [cell if cell.strip() != "" else "NULL" for cell in row]
            raw_rows.append(row)

    # 处理嵌套列（如多值列）
    if nested_columns:
        expanded_rows = [cleaned_headers]  # 保留表头
        for row in raw_rows:
            row_variants = [row]
            for col_name in nested_columns:
                if col_name not in cleaned_headers:
                    continue
                col_index = cleaned_headers.index(col_name)
                temp = []
                for variant in row_variants:
                    cell_value = variant[col_index]
                    # 仅按嵌套分隔符拆分，不影响 XML 特殊字符
                    if nested_delimiter in cell_value:
                        items = [item.strip() for item in cell_value.split(nested_delimiter)]
                        for item in items:
                            new_variant = variant.copy()
                            new_variant[col_index] = item
                            temp.append(new_variant)
                    else:
                        temp.append(variant)
                row_variants = temp
            expanded_rows.extend(row_variants)
        cleaned_rows = expanded_rows
    else:
        cleaned_rows.extend(raw_rows)

    # 展开后再转义特殊字符
    final_rows = [cleaned_rows[0]]  # 保留表头
    for row in cleaned_rows[1:]:
        final_row = [escape_xml(cell) for cell in row]
        final_rows.append(final_row)

    # 写入清理后的 CSV 文件
    with open(output_file, "w", newline="", encoding="utf-8") as outfile:
        writer = csv.writer(outfile)
        writer.writerows(final_rows)

print(f"清理后的 CSV 已保存至 {output_file}")

你可以通过传入输入和输出 CSV 文件路径来调用 clean_csv 函数，并可选地指定需要展开嵌套值的列。

# 文件路径
input_file = r"C:\Users\Administrator\Desktop\input.csv"
output_file = r"C:\Users\Administrator\Desktop\cleaned_output.csv"

# 指定可能包含嵌套值的列
nested_columns = ["Products"]  # 你也可以添加更多，例如 ["Products", "Reviews"]

# 调用 clean_csv 函数
clean_csv(input_file, output_file, nested_columns=nested_columns, nested_delimiter=";")

该函数可确保 CSV 在转换为 XML 前干净、有效，功能包括：

  • 清理表头（符合 XML 命名规则）
  • 处理空单元格
  • 拆分嵌套列值
  • 转义特殊字符
  • 生成 UTF-8 编码的清洁 CSV 文件

总结

使用 Spire.XLS for Python 将 CSV 转换为 XML，不仅高效，而且具备极强的灵活性。无论是快速导出、结构化集成，还是复杂的业务数据转换，都能轻松应对。

  • 快速导出： 如果只是为了让文件可被 Excel 直接读取，采用 Excel XML 格式是最快捷的方式。
  • 自定义结构： 若需生成具有特定标签或层级关系的 XML，可借助 xml.etree.ElementTree 构建标准 XML 文档，实现高度定制。
  • 数据清理与增强： 面对真实环境中格式不规范或存在嵌套数据的 CSV，可先使用 clean_csv() 函数进行清洗，统一字段名、展开嵌套列，并自动转义特殊字符，确保生成的 XML 结构规范、可解析。

从企业系统集成、报表归档，到旧系统的数据迁移，这一流程充分结合了 CSV 的简洁性 与 XML 的结构化优势 ，为数据交换与自动化处理提供了稳健、高可维护的解决方案。

常见问题（FAQs）

Q1. 可以转换非常大的 CSV 文件吗？

可以，但建议采用流式处理（逐行处理）以避免内存问题。

Q2. Spire.XLS 是否支持将 CSV 转换为标准 XML？

支持。保存为 Excel XML 是内置功能，但自定义 XML 仍需代码实现。

Q3. 如何自动处理特殊字符？

可使用 escape_xml 辅助函数或 Python 内置的 xml.sax.saxutils.escape()。

Q4. 如果 CSV 有多个嵌套列怎么办？

调用 clean_csv 时，可在 nested_columns 参数中传入多个列名。

Q5. 可以验证生成的 XML 吗？

可以。生成 XML 后，可根据 XSD 模式进行验证。

Spire.XLS for Python试用下载，请联系慧都科技

欢迎加入Spire技术交流Q群（125237868），与更多小伙伴一起提升文档开发技能~

posted @ 2025-10-27 10:56  IT开发者笔记  阅读(2)  评论(0)    收藏  举报